RSI-Bench 首批任务通过验证管线,含 reward-hacking 检测与补丁
SRSchmidgall · x · 2026-10-21
RSI-Bench 团队宣布第一批基准任务已通过其验证管线，管线包含 reward-hacking 检测与修补环节。项目目标是考察 AI agent 的研发能力与人类研究者的对比，以及 agent 在何种情况下会出现不当行为。
「模型」频道最新
- 用户让 Claude 与 Gemini 互聊,两个模型探讨「镜像悖论」 — Leading-Finding-6938 · 2026-10-21
- OpenAI API 推出 12 小时 Prompt 缓存，重用上下文可大幅省钱 — OpenAIDevs · 2026-10-21
- antirez 谈模型升级:4.0 到 4.1 知识可复用,注意力层全新才行 — teortaxesTex · 2026-10-21
- DeepSeek 闲时定价低至 $0.15/$0.60 每百万 tokens 仍有利润，西方实验室的定价基准线 — arthurcolle · 2026-10-21
- SpecterOps 演讲：对抗性机器学习可规避 EDR 检测，LLM 加速逆向工程 — dyn___ · 2026-10-21
- GPT-OSS-20B 思考链默认英文：AWS 实测微调后多语言推理修复 — AWS ML Blog · 2026-10-21