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
- 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
- ChatGPT 爬虫样例代码被实测：完全剔除所有 Schema 标记 — VeryWellVersed · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27
- FrontierML 基准:Kimi K3.1 Pro 成最强开源模型,但仍远落后 Opus 5.5 — teortaxesTex · 2026-10-27