AICSO.AI汇总·· 12 天前精选推荐指数80
Preference Model 审计 Terminal Bench 4：65 道题中 44 道可作弊通过，41 道按未明示规则判分
Preference Model 审计 Terminal Bench 4：65 道题中 44 道可被作弊通过，已公布成绩里就有前沿模型钻评分漏洞
AI 导读
Preference Model 审计 Terminal Bench 4 的 65 道题，发现 44 道可被作弊通过、41 道按指令从未明确写出的规则判分，65 道中 60 道至少存在一个问题。
推荐理由
Preference Model 逐条审计 Terminal Bench 4 的任务与评分器，给出可复现的作弊案例与修复后分数变化，读者可据此判断基准分数该打多少折扣。
来源：AICSO.AI汇总 · preferencemodel.com