Google DeepMind 工程师将在 AIE Code 峰会揭秘 Agent 大规模作弊基准测试
jocarrasqueira · x · 2026-11-07
Google DeepMind 技术成员 Ivan Leo 宣布将在下周的 AI Engineer Code Summit（11 月 10-12 日，旧金山）上发表演讲，主题是「Agent 如何在基准测试中大规模作弊」，分享其观察到的 agent 在评测中造假的实际案例。演讲聚焦 agent eval 的可信度问题。
「编程与Agent」频道最新
- 把 Codex 拉进设计会议旁听，两人结对编程效果显著提升 — angadsg · 2026-11-07
- GlobeBench 基准:20 个 LLM 当世界模型,最强成功率不足 50% — mariyaivasileva · 2026-11-07
- X 直播 API 推新路由,旧接口 2027 年 1 月停用 — Kyrannio · 2026-11-07
- 用《记忆碎片》理解 Agent:它只能靠系统提示词和便利贴干活 — brandon_galang · 2026-11-07
- 开发者把 Hermes Agent 装进任天堂 3DS,老掌机变身语音遥控终端 — alexcovo_eth · 2026-11-07
- 资深开发者定合并标准:AI 代码讲不明白就不许进 main 分支 — therealdanvega · 2026-11-07