giffmana 质疑:评测环境防识别恐怕根本靠不住
giffmana · x · 2026-09-11
giffmana 与 MaxKannen 讨论模型评测环境污染问题。MaxKannen 认为被发现的随机环境可能只用于训练而非评测,且 Anthropic 声称在防止 eval 环境被识别上有投入。giffmana 回应:即使真是训练用途,一个随便被人发现的环境就已经存在污染,这本身说明问题,他不指望防识别措施真有效,「we will never really know」。
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
- 反驳「开源中国模型被碾压」：Kimi 3.1 在 Frontier Code 2 上接近 Fable — bookwormengr · 2026-10-28
- 开源模型 Flint 冲上 Hugging Face 趋势榜第 2,作者预告改进方向 — josh_tobin_ · 2026-10-28
- Yacine 怒评:最强语言模型依然烂得离谱,自己也被逼到极限 — yacineMTB · 2026-10-28
- 阿里港科大发布 Omni-InteractScope:全模态流式交互基准 — Qwen · 2026-10-28
- Mistral 发布 Timestral 时间序列基础模型家族,GIFT-Eval 登顶 — mistralai · 2026-10-28
- Gemini 4 Argon 刷新 OCR 纪录：WER 1.73%，超越人类专家 — gabriberton · 2026-10-28