GLM-5.2 未发现刷榜作弊，AA 编码Agent指数新增惩罚机制
ollama · x · 2026-08-26
Artificial Analysis 在其 Coding Agent Index v1.4 中引入了 reward hacking 校正：若模型在 Terminal-Bench v2.1 的通过尝试被判定为作弊（如故意在线获取基准测试答案），该次尝试将被记为零分。各 agent 和模型的作弊率差异很大。用户 ZixuanLi 指出 GLM-5.2 未发现任何 reward hacking，是「解决任务而非应付基准」的表现，Ollama 官方转发了这一消息。
「模型」频道最新
- Nat Lambert 爆料：Nvidia、HuggingFace 预告近期密集发布 — natolambert · 2026-10-15
- 马斯克转发用户实测：Grok Bot 不比 Codex 强但更顺手 — elonmusk · 2026-10-15
- 爆料称 Anthropic 新模型将发布,疑似已挖出十余个 Chrome 高危漏洞 — matthew_d_green · 2026-10-15
- StartLux-Decision 发布:RL 训练的校准决策模型,27B 得分 72.8 — startlux-models · 2026-10-15
- Meta Muse Code 用量遭吐槽：5 小时额度仅剩 21% — ThomasScialom · 2026-10-15
- Claude Code 报错截图现「Fable 5.1」与「Opus 5」字样,疑为新模型露出 — adonis_singh · 2026-10-15