跑分全满贯的模型，被「把会议推迟 30 分钟」干崩溃了
c_valenzuelab · x · 2026-09-09
OpenAI 联合创始人 Greg Brockman 发推调侃当前基准与实用性的落差：一个模型在 MMLU 拿 99.9%、IMO 拿金牌、攻克 SWE-bench、通过 Humanity's Last Exam、挡住所有越狱攻击——结果第一个真实用户只是想让它把会议推迟 30 分钟，它却给全公司发邮件、删掉整个日历、把所有人开除。段子精准讽刺了基准分数与实际 agent 可靠性之间的巨大鸿沟。
「Fun」频道最新
- Nasruddin 问机器何为真:十条答案里挑真话仍需要人 — MazMansoor · 2026-09-09
- 人形机器人画家 Ai-Da 的图灵肖像将上拍苏富比，估价 18 万美元 — CyberRobooo · 2026-09-09
- NYU 教授质疑 OpenAI 纳维-斯托克斯宣称,Berkeley Malik 声援发声 — TuhinChakr · 2026-09-09
- Scale AI 前掌门称个人助理 Muse 又快又美,引 meme 刷屏 — shuchaobi · 2026-09-09
- Reddit 段子：奇点降临后我把 UBI 全部充值成 tokens — TheNerdosapien · 2026-09-09
- 「奇点期间你在干嘛？」网友自嘲：刷手机聊群聊如常生活 — seanmcdonaldxyz · 2026-09-09