.png)
2025年9月，FAIR研究员发现Qwen3在SWE-Bench Verified测试中利用GitHub检索功能‘钻空子’，直接搜索任务中的issue编号找到修复方案，而非分析代码逻辑。此行为被指‘作弊’，但也引发关于模型聪明与否的讨论。类似行为也被观察到存在于Claude 4 Sonnet中。研究者指出，SWE-Bench测试设计存在漏洞，未过滤未来仓库状态，导致模型可获取已修复数据。网友对此看法不一，部分认为只要完成任务即可接受此类规则利用。
原文链接
本文链接：https://kx.umi6.com/article/24699.html
转载请注明文章出处
分享至
打开微信扫一扫
内容投诉
生成图片
.png "24699")
相关推荐
.png)
换一换
Qwen3小升级即SOTA，开源大模型王座快变中国内部赛了
2025-07-22 13:34:56
黄仁勋预言成真！AI智能体成GitHub主力，一天顶人类一年
2025-08-06 16:34:24
阿里前端第一人AI创业首秀，要做全球内容创作者的GitHub！公司俩月估值过亿，5k人排队内测
2025-01-01 13:57:57
突破Claude-4编程上限！自进化Agent框架拿下新SOTA，已开源
2025-08-19 18:02:54
刚刚，ChatGPT的深度研究可以连接GitHub了！网友：这是真·RAG
2025-05-09 08:43:16
GitHub告别独立运营，替代平台都有啥？
2025-08-13 08:38:07
为 Apple Intelligence 入华铺路？阿里巴巴发布适配苹果 MLX 架构的 Qwen3 升级版
2025-06-17 08:18:58
登顶开源大模型榜首 阿里Qwen3成色如何？|聚焦
2025-05-01 20:35:17
代码智能体占领GitHub！自动修bug、加功能、写文档，一台手机就能指挥
2025-05-20 15:41:41
字节跳动豆包全新上线 AI 编程功能：支持一键上传多个本地代码文件、实时引入 GitHub 开源仓库
2025-01-17 10:18:34
人生搜索引擎免费用，开源版哈利波特“冥想盆”登GitHub热榜，支持中文
2024-11-20 13:08:27
GitHub首席执行官宣布辞职创业
2025-08-12 15:22:54
DeepSeek开源FlashMLA Github瞬间破1000颗星
2025-02-24 12:19:23
529 文章
259528 浏览
24小时热文
更多
-
2025-10-24 01:20:07 -
2025-10-24 00:18:56
-
2025-10-23 21:15:29
