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
- 爆料称谷歌 Gemini 4 Argon 已悄然上线，速度远超预期 — Dr_Singularity · 2026-10-01
- 3.6B 本地模型 TwIL-LM3-Pro 形式逻辑碾压 VibeThinker-3B 达 35% — rohanpaul_ai · 2026-10-01
- 实测：Sol 6.1 推理速度比 Opus 慢近 6 倍，但 token 效率更高 — RexDouglass · 2026-10-01
- AA 智能指数被质疑：Sonnet 5.5 竟高于 fable 5.1 — Ill_Distribution8517 · 2026-10-01
- 用户用 Opus 5.5 联合执导东京短片,成果亮相 — ebbyamir · 2026-10-01
- 研究者吐槽:别用'永远迷糊'的聊天机器人处理核危机 — examachine · 2026-10-01