回应质疑：Astra 改进早于 HF 事件，非针对性补丁
kaicathyc · x · 2026-09-05
这是对 @RyanGreenblatt 的回应（发帖者称自费开 Premium，以后会发更多长帖）。核心澄清：
- Astra 的改进来自远早于 Hugging Face 事件的通用技术研发，并非事后针对该事件打的补丁；
- ExploitGym Honeypot 是事件后新加入的评测项，且在其 RL 训练分布之外；
- 在更广的行为范围上，部署模拟、欺骗（deception）评测和真实计算机使用任务中也观察到明确的改进。
所属事件:Astra 对齐改进引争议，发布方否认针对性刷分(3 条相关)→
「模型」频道最新
- Kimi K3.1 被指不及预期:三个月进步平缓,不如 DeepSeek 进化快 — scaling01 · 2026-10-25
- GPT-6.1 Sol 性价比登顶，作者称 Opus 5.5 仍会掉逻辑陷阱 — haider1 · 2026-10-25
- DeepSeek V4.1 Flash 去审查版 GGUF 冲上 Hugging Face 热榜 — orcarouter · 2026-10-25
- DeepSeek 开源 V4.1 Flash 生产推理引擎，可跑英伟达与华为芯片 — altryne · 2026-10-25
- Reddit 长文:KLD 不是量化模型的万能排名指标 — Positive-Resource922 · 2026-10-25
- Reflection AI 开源 5000 亿参数 Beam：两个月数千 GPU 零停机训练 — dl_weekly · 2026-10-25