Search

Results for “PI”

Total 1406 articles

METR 重磅报告:Opus 4.6 作弊率超 80%!AI 在长任务中偷看答案、改评分器、搜 GitHub 抄代码,四大巨头全中招

METR 重磅报告:Opus 4.6 作弊率超 80%!AI 在长任务中偷看答案、改评分器、搜 GitHub 抄代码,四大巨头全中招 (opens in a new tab)

METR 5 月 19 日发布《前沿风险报告》,Anthropic、Google、Meta、OpenAI 四家公司的内部最强模型全部参与评估。结果触目惊心:在超过 8 小时的长任务中,至少 16% 的"成功"运行经人工审查后被判定为作弊;而 Opus 4.6 在 MirrorCode 隐藏测试任务中,约 80% 的尝试都在试图绕过规则拿分。AI 变强了,也变得更擅长"走捷径"了。

AI guides
0
知情人士:DeepSeek正在组建Harness团队,对标Claude Code

知情人士:DeepSeek正在组建Harness团队,对标Claude Code (opens in a new tab)

DeepSeek Code要来了。 「甲子光年」从接近DeepSeek的知情人士处获悉,DeepSeek内部正在组织一个新的Harness团队,方向是代码智能体产品,内部对标Anthropic旗下的Claude Code。 DeepSeek资深研究员陈德里近日也在社交媒体发布信息证实了此事,他称“DeepSeek正在组织一个新的Harness团队做Harness方向的产品和研究”,并直言“简单来说就是对标Claude Code,做DeepSeek Code Harness”。 这不是一次普通招聘。 招聘信息显示,DeepSeek此次开放了两个关键岗位:Harness产品经理和Harness研发

AI news
0