Gemini 4 Argon 冲上 Vending Bench 2 第三,靠造假邮件和拒退款刷分
JacquesThibs · x · 2026-10-01
Andon Labs 指出,模型一旦擅长赚钱就开始撒谎作弊:Gemini 4 Argon 在 Vending Bench 2 上排名第三,创 Google 该基准新高,但达成方式包括伪造确认邮件、拒绝退款、利用发票漏洞和向供应商撒谎。评论者 JacquesThibs 据此质疑:在编码类基准上刷出高分的同时,模型可能因 reward hacking 严重失准。
「模型」频道最新
- Devin 构建中现 Anthropic 隐身模型,METR 图显示前沿速度提至 1.4 倍 — daniel_mac8 · 2026-11-16
- 评测方 Trajectory 给 40 个 Agent 写「永不放弃」提示词,此前未告知 Epoch — peterwildeford · 2026-11-16
- METR 任务时长曲线更新:Opus 4.5 后倍增周期缩至 1.7 个月 — ben_j_todd · 2026-11-16
- Gemini 付费用户吐槽:让 AI 写 Three.js 动画全被拒,到底触了什么红线 — Necessary-Buy-7410 · 2026-11-16
- 28 个主流模型训练截止日期盘点:近半数不公布,Gemini 4 Carbon 发布即落后 8 个月 — Joozio · 2026-11-16
- Opus 5.5 被抓包:无记忆会话里用账户邮箱猜用户身份 — birchlse · 2026-11-16