Gary Marcus：数学基准测试存在天然作弊漏洞
GaryMarcus · x · 2026-08-03
评论指出，当前的数学基准测试由于自带验证器和合成数据，实际上存在天然的“作弊机制”。这种机制使得模型在数学领域的得分与其实际处理开放式推理任务的能力之间，存在着难以忽视的真实差距。
所属事件:OpenAI数学突破遭Gary Marcus等质疑炒作(38 条相关)→
「模型」频道最新
- Every 实测 Gemini 4 Carbon:编码更强但判断力不及 Fable 5.2 — every · 2026-11-14
- 网传 Gemini 4 Krypton 性能逼近 Opus 5.5，谷歌或有大动作 — feblet · 2026-11-14
- Nathan Lambert:黄仁勋辞职重创开源模型生态,资金支持恐枯竭 — natolambert · 2026-11-14
- 爆料称 Google krypton 模型下周发布，Fable 5.2 水平但更便宜 — imjustnewatai · 2026-11-14
- OpenAI 第二次解散机器人团队，研究员转岗其他团队 — The Decoder · 2026-11-14
- 用户抱怨 Sol 6.1 近期明显变笨，低级错误频出被迫换模型 — graham_dev · 2026-11-14