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
- 曝 OpenAI API 中出现未发布模型 GPT 6 Sol — SteveEricJordan · 2026-09-11
- DeepSeek 新版多轮改 System Prompt 不再击穿缓存，费用省 36.6% — teortaxesTex · 2026-09-11
- AI Sextet 活动:6 模型 14 天完全免费,含 DeepSeek/Qwen/GLM — airesearch12 · 2026-09-11
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11