Anthropic 称已尽力让评测环境不可被模型识别
MaxKannen · x · 2026-09-11
MaxKannen 回应关于模型评测环境被识别的质疑,指出该环境可能只用于训练而非评测基准,并提到 Anthropic 声称在让 eval 环境难以被识别方面下了功夫。
所属事件:模型评测环境污染引争论，Anthropic 称已尽力防识别(3 条相关)→
「模型」频道最新
- Bug Hunt Bench 放榜:105 个真实埋 bug 横评前沿编码模型 — PawelHuryn · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11
- 实测找 105 个隐藏 bug:DeepSeek V4.1 Flash 得 24 分,成本仅 Opus 5 的 3.5% — ChartsJournalX · 2026-09-11
- 开源 LLM 排行榜与定价对照目录,一站式索引比较工具 — Last_Establishment_1 · 2026-09-11
- Nex N2.5 Pro 开源发布,权重体积达 407GB — jinnyjuice · 2026-09-11
- RoMa v2 图像匹配模型发布,作者晒出黑底宣传图 — ducha_aiki · 2026-09-11