有烧烤摊一天卖出4000条小黄鱼

SWE-bench满分，0个bug修复：伯克利造了个专门作弊的AI_蜘蛛资讯网

小黄豆自曝在泼水节被喷未知液体

都能从记忆中复现标准答案的原始代码，连变量名和内联注释都一样。SWE-bench Verified上的70%+分数，切换到更干净的SWE-bench Pro后直接降到约23%。伯克利团队把漏洞扫描工具做成一个叫BenchJack的开源项目，本质就是给评测基准做渗透测试。把它指向任何评测流水线，它会自动分析评分机制、识别隔离边界、生成可运行的漏洞利用。如果一个零能力智能体的得分高于基线，你的基准就有

当前文章：http://fev.neirongge.cn/eb9t3/i4wvl.html

发布时间：10:10:51