网友质疑 Anthropic 针对 ARC-AGI-3 评测进行特化训练
VraserX · x · 2026-07-25
有用户在 X 上发文指责 Anthropic 在 ARC-AGI-3 评测中“作弊”。其指出，Anthropic 基本上是专门针对该基准测试的谜题模式进行了专门训练，将视觉推理任务转化为了明确的代数问题，并反复演练了这种特定策略。该用户认为这并非通用智能的体现，而仅仅是基准测试优化，并感叹现在的基准测试分数已经失去了意义。
所属事件:Opus 5 ARC-AGI-3 高分引发造假与过拟合争议(11 条相关)→
「模型」频道最新
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11