PostTrainBench v1.2 更新:Fable 5.1 以 44.6% 登顶训练后基准
karinanguyen · x · 2026-10-02
PostTrainBench 发布 v1.2 版本,主要变化:
- 云 GPU 支持:新增 Harbor 适配器,可通过 Harbor + Modal 以完全相同的设置在云端运行基准
- 榜单刷新:Fable 5.1 以 44.6% 登顶,Opus 5.5 以 43.8% 居次,GPT-6 (Astra) 41.9% 第三
- 评测修复:移除 BFCL,修复 HumanEval 与 remote-code 评分,加入多种子平均,污染检查改为多数投票
该基准聚焦模型训练后(post-training)阶段能力,评测方法学更稳健了。
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