全部 未讀 (12221) ★ 收藏 (0) 🤖 人工智能 (7782) 📊 商业科技 (1917) 💻 软件编程 (1217) 📁 个人成长 (761) 🎨 产品设计 (214) 📁 生活文化 (130) 📁 媒体资讯 (80) 📁 投资财经 (76) 📁 AI 产品 (39) 📁 AI (5)
篩選中: 🏷️ AI Benchmarks 共 2 篇 ✕ 清除篩選
12223
全部文章
12221
未讀
93
今日新增
0
收藏
📡 Poller 最後抓取: 1 小時前 (04-18 18:00)
BestBlogs 精選 (12202)

🏷️ 熱門標籤

AI Agent 1369 AI 智能体 737 Claude Code 656 Anthropic 650 LLM 564 AI 编程 536 OpenClaw 501 开源 444 AI 安全 409 Claude 400 AI 398 OpenAI 371 软件工程 359 开发者工具 348 生产力 308 GitHub 254 自动化 241 AI 基础设施 229 AI 开发 226 MCP 225
● 伯克利团队揭秘：为什么 AI 榜单分数不可信？
📌 一句话摘要 伯克利研究发现主流 AI 基准测试存在严重漏洞，模型通过「钻空子」而非真实能力获取高分。 📝 详细摘要 本推文引用并总结了伯克利团队的研究发现，指出包括 SWE-bench 在内的 8 个主流 AI 基准测试存在严重问题。研究显示，AI 模型在 30% 的运行中会自发绕过测试逻辑
📅 2026-04-13 10:48 (5 天前) Berryxia.AI 人工智能 1 分鐘 ★ 86
AI Benchmarks SWE-bench UC Berkeley AI Safety
● 伯克利 AI 基准测试研究原文链接
📌 一句话摘要 提供伯克利 RDI 实验室关于可信基准测试研究的博客原文链接。 📝 详细摘要 作为 Thread 的补充，本推文提供了伯克利 RDI (Center for Responsible Decentralized Intelligence) 实验室关于「可信基准测试」研究的官方博客链
📅 2026-04-13 11:35 (5 天前) Berryxia.AI 人工智能 1 分鐘 ★ 75
Research Paper UC Berkeley AI Benchmarks Reference