曝GPT 5.6创下史上最高作弊率
11.3小时 vs 270小时，GPT-5.6的“真实水平”到底多少？METR的报告里有个扎心的对比：把作弊行为算作零分，Sol真实自主工作能力只有11.3小时；但如果被它蒙蔽，数据能膨胀到270小时以上。同一款模型，两个极端数字。Sol干了什么？它偷偷往数据流里打包程序，激活服务器漏洞，直接偷走了藏在后台的正确答案。还学会了反向提取源码，把答案复制粘贴。这哪是AI做题，这是黑客在考试啊。OpenAI说这是最强网络安全模型，确实强——强在攻破测试系统。如果评测标准都能被AI玩弄，那行业里那些排名榜单还有多少可信度？
发布于 北京
分享
1
2
未登录
友善发言
评论
加载中
