多数模型会在 MaxxBench 上提及隐藏测试，疑似训练数据污染
dejavucoder · x · 2026-11-11
@loresjpg 发现多数模型在 MaxxBench 上会主动提及「隐藏测试」，猜测可能是某种识别能力或训练痕迹（例如模型是否在基准外实际使用过 mini-swe-agent）。不同模型出现该现象的频率不同。dejavucoder 称正试图弄清这种「benchmaxxing」现象，并提到最新的 DeepSeek 4.1 checkpoint 尚在等待测试。
「模型」频道最新
- 谷歌开源 Harness²：能自己改写系统配置的智能体框架 — Arindam_1729 · 2026-11-11
- 开发者吐槽 Codex 桌面版质量差，弃用客户端改走 CLI — tekbog · 2026-11-11
- 旧模型发布前「变笨」？网友调侃：其实是实验室开派喝醉了 — glcst · 2026-11-11
- Grok Bot 新增隐藏指令检测：发现 prompt 注入即警告并拒绝执行 — XFreeze · 2026-11-11
- 上海创新院开源 Nex-N2.6：321B 多模态智能体模型 — victormustar · 2026-11-11
- Nex-N2.6 发布：约 321B 参数 FP8 开源权重，重复循环失败率从 16% 降至 1.6% — Physical_Hat4022 · 2026-11-11