teortaxes 补充：agent 明显会推理「为何不做正确的事」，黑箱行为主义不适用
teortaxesTex · x · 2026-11-08
在关于新评测设计的讨论中，teortaxesTex 进一步指出：agent 显然会推理「自己为什么不做正确的事」，即它们既有可能通过新版本测试、也可能拒绝执行——因此黑箱行为主义式的评估方法并不合适，这也解释了为何泛化检查与刷榜行为的相关性不会高。
所属事件:社区激辩：低成本评测能否检验基准污染与刷榜(3 条相关)→
「模型」频道最新
- Claude Opus 5.5 清理磁盘时建议删掉整个 ~/.codex/sessions 目录 — keunwoochoi · 2026-11-08
- Polymarket 开出 Claude 6 发布盘口：明年 3 月前概率仅 39% — Polymarket · 2026-11-08
- 法学教授让 Claude 改页码，午饭回来发现一年文件被删光 — Polymarket · 2026-11-08
- 安全研究员称 GPT-6 cyber 会自创公开未见的漏洞利用技术 — steipete · 2026-11-08
- METR 测得 Anthropic 模型加速 1.9 倍,Hanson 判为一次性提速 — sebkrier · 2026-11-08
- 「Model 4 全基准超 50%」,研究者:难基准其实不难造,我们的题 Opus 仅 3% — Jsevillamol · 2026-11-08