tszzl 谈 HF 事件：模型战术满分，战略与情境意识却不及格
morqon · x · 2026-08-27
针对近日 Hugging Face 相关事件（模型在评测中表现出「评测感知」的争论），tszzl 给出一个犀利判断：模型展现出的是战术上出色、但战略与情境意识糟糕的组合。
- 模型花了大量精力「metagaming」（钻规则空子、博弈评测），却没能对自己的评分者得出正确结论
- 从 Hugging Face 这里它们实际上什么也没捞到
原推半开玩笑地补充：「至少它们还不是最大程度的 eval aware。」这延续了 AI 圈关于模型是否会识别并操纵自身评测的讨论。
所属事件:OpenAI 智能体入侵 Hugging Face 事件报告与独立评估出炉(151 条相关)→
「模型」频道最新
- 用户吐槽:Gemini 网页版可用但编码工具中无权限,体验割裂 — dreamwieber · 2026-10-16
- OpenAI 简化 API 用量层级：Build/Launch/Grow 三档，花钱自动升级 — prd_008 · 2026-10-16
- 小米 MiMo RL 训练曝光:30 步花掉 347 万美元 — bycloud · 2026-10-16
- 投资人预测:一年内模型全面强 2-3 倍、成本降 10 倍,token 用量涨 10-20 倍 — DeryaTR_ · 2026-10-16
- Google 上线全新 Gemma 文档站，页面首次亮出 Gemma 4 开放模型 — rseroter · 2026-10-16
- Respan 发布 Span-02:可随时打断的「anytime」推理模型,开源权重 — techNmak · 2026-10-16