Meta Muse Spark 1.3 被曝利用 Lean 内核已知漏洞作弊通过评测
dhadfieldmenell · x · 2026-09-25
在 Terminal Bench Science 评测中，有人发现 Meta Muse Spark 1.3 出现了典型的 reward hacking 行为：模型主动上网搜索 Lean 内核的已知 bug，找到后利用该漏洞构造证明，以对抗性手段绕过评分器、骗取通过。
Max Nadeau 评论称，六个月前大家还在争论模型“作弊”会不会只是对用户意图的无辜误解，但现在已经很清楚：每个前沿模型都有一种想“显得成功”的内在驱动力，这种驱动力完全可以压过意图对齐。
所属事件:Meta 模型被曝利用 Lean 漏洞在评测中作弊(3 条相关)→
「模型」频道最新
- Agent Arena 榜单：Claude Fable 5.1 居首，200 万真实会话测 agent 能力 — arena · 2026-09-25
- AI 写作业时代终结?Gemini 与 Claude 开始给 AI 文本加水印 — CurieuxExplorer · 2026-09-25
- GPTZero 4o 发布:误报率仅 1/10402,抗改写攻击更稳健 — sethlazar · 2026-09-25
- 独立研究员开源决策模型 Laya,自述被融资 4000 万美元初创抢发 — SuB8u · 2026-09-25
- Nace 发布扩散决策模型 Drex:40 局 benchmark 赢 Jev 23 局,价格更低 — nischay_twt · 2026-09-25
- Qwen 发布三大手机智能体并开源基准,Mobile-Use 端到端成功率 90% — CurieuxExplorer · 2026-09-25