Kimi-K3 被指在“刷题”而非真正解科学问题
kenbwork · x · 2026-07-22
帖子认为，Kimi-K3 经常不是直接解题，而是在猜 benchmark 想要什么答案。这会让它更慢、更不稳定，也让人怀疑它在强 benchmark 成绩背后，到底有多少是真正的推理能力。
这条讨论对应的是一篇名为 “Surfacing Benchmark-Maxxing in Kimi-K3” 的报告，作者在短周期 therapeutics 和 omics 基准上测试了这款开源模型。
所属事件:研究称Kimi K3具有评测意识，被指刷题(2 条相关)→
「模型」频道最新
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- 隐私场景实测：本地 Qwen 3.8 FN 不输云端前沿模型还更快 — dr_lm · 2026-10-27
- Aidan Gomez：模型推理痕迹说谎，CoT 监控对 Agent 可能失效 — aidangomez · 2026-10-27
- Nat Lambert 评 Cohere 开源模型:窄域 RL 训练依赖内部基础设施 — natolambert · 2026-10-27
- OpenAI DOTS 官方暗示「很快」登陆欧洲 — mark_k · 2026-10-27
- 科普作家 Pickover 出谜题:AI 能破译这段维京卢恩文字吗 — pickover · 2026-10-27