Anthropic 的 Opus 5 触发 ARC-AGI 泛化争议
inductionheads · x · 2026-07-25
这条帖子的核心争议是：Anthropic 的 Opus 5 如果确实在类似 ARC-AGI 的强化学习环境里训练过，那么它在该基准上的表现也未必能证明“通用泛化”。
作者的论点是：ARC-AGI 之所以被设计出来，就是希望在构造上尽量避免模型“直接训练到题型本身”。但如果闭源模型通过人类写出的思维链、奖励信号或相似环境进行了训练，那么它即便做对了题，也更像是在说明训练覆盖了该类任务，而不是证明真正跨任务泛化。
帖子实质上是在质疑：
- 这类基准的“不可训练性”前提是否还成立
- 闭源模型的训练方式是否会让 benchmark 结果失去解释力
- 高分是否等于真正的 generalization
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