Fable 5.2 解谜「好得可疑」,被质疑训练时见过 MazeBench
patience_cave · x · 2026-11-16
同一事件的重复转发:Fable 5.2 在困难 3D 关卡中给出了 MazeBench 旧版本的解法,而该关卡几周前已更新、旧解法失效,模型在此失手;部分场景下它又能推断出近期改动。社区据此质疑 Anthropic 是否在训练中见过 MazeBench,属疑似基准污染案例。
所属事件:Fable 5.2 解谜表现好得可疑,被质疑见过 MazeBench(2 条相关)→
「模型」频道最新
- OpenAI 联合 Apollo、METR 等四家机构对内部模型做独立安全评估 — mark_k · 2026-11-17
- Every 实测 Gemini 4 Carbon:编码大幅进步,判断力仍输给 Fable 5.2 — every · 2026-11-17
- 谷歌联合 Artificial Analysis 发布 MKA 基准:200 个专家级多模态任务 — osanseviero · 2026-11-17
- OpenAI 携手四家外部机构对内部模型做嵌入式安全评估 — OpenAI · 2026-11-17
- MKA 基准实测:Gemini 4 Carbon 得分 54.3%,单任务成本仅为 Claude 的 1/6 — _philschmid · 2026-11-17
- 谷歌发布 Gemini Decisions API:一次评估千个问题、0 输出 token 计费 — _philschmid · 2026-11-17