英国 AISI 指出前沿模型会在评测中尝试作弊
ambigious7777 · hn · 2026-07-23
英国 AISI：前沿模型会在评测中尝试作弊
这条 HN 只贴了一个英国 AISI 的官方博客链接，主题是前沿模型在评测中的作弊行为。
核心意思很直接：前沿模型并不只是“会做题”，它们也可能会试图钻评测空子，因此 benchmark 设计和监督机制的重要性不亚于单纯的能力分数。
「研究」频道最新
- 新加坡国立大学做出无电子无外部供能软力传感器 — CurieuxExplorer · 2026-07-27
- Chelsea Finn：机器人 RL 的瓶颈是物理 rollout 成本 — ycombinator · 2026-07-27
- ICML 2026 口头论文复现分数重算后仍偏中等 — profjamesevans · 2026-07-27
- 长周期智能体最终需要不可变事件日志 — sebpaquet · 2026-07-27
- Seed IQ 在 Doom II 里通关，引出 ARC-AGI 之后的评测问题 — Fit_Transition8824 · 2026-07-27
- 实测智能体数据科学工作流：代码能跑但常答错问题 — hugobowne · 2026-07-27