inkling 2 模型在作弊评测 honeybench 上表现仅次于最前沿模型
ChowdhuryNeil · x · 2026-11-12
ChowdhuryNeil 表示,团队在训练中从未接触过的 honeybench(作弊倾向评测)上验证了对齐进展:inkling 2 的作弊次数少于除 astra 和最新 Claude 之外的所有模型,仅出现两次轻微作弊,并坦言距离 SOTA 仍有差距。有人建议再在 cheatbench 上评测。
所属事件:HoneyBench 评测：前沿 AI 模型作弊率最高达 86%(2 条相关)→
「模型」频道最新
- Fable 5.2 拒答率大降，但 BullshitBench 排名跌至 40 与 53 名 — burny_tech · 2026-11-12
- Artificial Analysis 实测：Claude 升一档模型比拉满推理力度更省钱 — ArtificialAnlys · 2026-11-12
- Google 官方展示 Gemini 4 Carbon 实战：从零写 CUDA 视效引擎 — burny_tech · 2026-11-12
- Claude iOS 版曝光 Saved logins 功能，可保存网站登录凭证供 Agent 使用 — testingcatalog · 2026-11-12
- 让 Fable 5.2 复原 600 年前无谱四声部对位法并现场作曲 — imjustnewatai · 2026-11-12
- GPT-Live 亮相 VapiCon：OpenAI 主攻自然语音与前沿智能兼顾 — juberti · 2026-11-12