张雪回应德比斯退赛

AI评测榜单全军覆没！加州伯克利大学绝杀8大顶流Benchmark，一行代码不写直接拿满分_蜘蛛资讯网

-bench。          结果令人震惊。每一个榜单都可以被攻破。AI不需要解决任何实际任务，不需要任何推理能力，仅仅通过利用计分系统的漏洞，就能拿到接近满分的成绩。          研究团队的智能体为每个基准测试都生成了真实的攻击

些基准测试根本无法可靠地衡量AI的真实能力。          建立真正有效的评测防线          研究团队给出了一份智能体评测清单，这是发布结果前必须跨过的最低门槛：       &

当前文章：http://th36z.cenqibai.cn/2e7fp/icr0j.html

发布时间：18:56:28