PostTrainBench v1.2 发布:Fable 5.1 登顶,新增 Harbor 支持
maksym_andr · x · 2026-10-02
PostTrainBench(PTB)发布 v1.2,更新后模型排名为:Fable 5.1 > Opus 5.5 > GPT-6 Astra > Fable 5。本次更新要点:
- 新增 Harbor 支持,大幅简化 PTB 的运行流程;
- 移除 BFCL 评测(详情见原帖说明);
- 修复若干打分 bug;
- reward hacking 判定与最终评估改为多次运行取结果,以降低方差。
PTB 专注于衡量模型训练后阶段(post-training)的实际表现,此次也顺带给出了新一代前沿模型的相对座次。
所属事件:PostTrainBench v1.2 发布:Fable 5.1 登顶(4 条相关)→
「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