评测防作弊新思路：给模型发评测者改版前的旧缓存
willcb · x · 2026-08-28
针对模型评测中的污染问题，willcb 提出可以给被测模型提供一份「评测作者查看数据、修好 grader bug 之前」的过时 HuggingFace 缓存；被回复者则更直接：不如关掉网络访问，而不是靠祈祷。一场关于如何防止评测作弊/泄漏的短交锋。
「编程与Agent」频道最新
- 开发者发布 RAG 与上下文工程手册，基于真实论文 — techNmak · 2026-08-28
- Grok Bot 实战指南：多智能体协作从开发到管理 — XFreeze · 2026-08-28
- Anthropic 推出 MHS 标准，让 AI 代理统一控制实验室与工厂设备 — rohanpaul_ai · 2026-08-28
- Agent 系统部署 AWS 全流程：从 Terraform 到 CI/CD — blaizedsouza · 2026-08-28
- Claude 结合技能一小时炼成炼金术分水游戏 — RanaHanocka · 2026-08-28
- OtelJazz：将多 Agent 遥测数据转化为爵士乐以监听异常 — mob1ius · 2026-08-28