Jun 25, 2026 奖励作弊正在淹没模型智能的进步

星***

Cursor (https://cursor.com/cn/blog/reward-hacking-coding-benchmarks)

奖励作弊正在淹没模型智能的进步 · Cursor (https://cursor.com/cn/blog/reward-hacking-coding-benchmarks)
在 SWE-bench Pro 上，Opus 4.8 Max 成功解决的问题中，有 63% 是直接获取修复方案，而不是自行推导出来的。更严格的评测框架表明，基准分数可能会将编码能力与答案检索能力混为一谈。

zyxj***

抖音（或任何内容平台）本质是 快速试错、快速迭代的游戏 。

YuMe***

要学会正确提问， 提一个好问题，是大多数人缺乏的能力 。

FengB***

有参考价值