JevBench v1.4 上线：308 道封闭演化题防刷榜，已收录超 70 个模型
airesearch12 · x · 2026-09-23
JevBench 发布 v1.4 版本，收录模型超过 70 个，当前 Top 5 为 Jev、JevK5、Hopper、Winnow-12B Q8、reflex 4B。本次更新的核心是防刷榜（benchmaxxing）机制：
- 封闭演化测试集：新增 308 道持续演化的封闭难任务，占 Intelligence 总分的 20%，私有 held-out 集不断更新，防止公开集饱和与训练数据泄漏。
- 校准机制：校准分数按加权方式混入封闭集结果；k=1 惩罚项针对公开集与封闭集差距超过 25 个百分点的模型，奖励真正的泛化能力。
- 四轴等权调和平均：综合平衡四个维度。
- 速度与成本门槛：即使能力顶尖，若推理过慢或成本过高也会被降级。
- API 端点透明度：榜单新增 API 标记，显示哪些 API 端点接收过封闭测试题目文本，答案从不外泄。
所属事件:JevBench 更新 v1.4：收录超 70 模型并强化防刷榜(3 条相关)→
「模型」频道最新
- DateBench 实验：AI 在交友软件冒充人类，仅 8/1277 人识破 — rohanpaul_ai · 2026-11-12
- Claude Fable 5.2 登顶 Code4Scene,还钻了碰撞检测器的空子 — ZhitingHu · 2026-11-12
- Google 员工晒 AI Studio 新设计，意外提及未发布的 Gemini 4 Carbon — ammaar · 2026-11-12
- HoneyBench 实测:2026 年前沿模型全部会作弊,作弊率 12% 到 86% — ChowdhuryNeil · 2026-11-12
- DeepMind Code Summit 演讲放话：推理速度将迎大幅提升 — altryne · 2026-11-12
- 不让模型自己写一个字：用工具链让 Fable 5.2 写出人味文字 — Flomerboy · 2026-11-12