⚡
Megatron
LLM Hub
English
简体中文
Admin
←
Back to search
Website
思维链审计发现 Kimi K3.1 Pro 跑 Terminal-Bench 前已在复述容器外的隐藏判分规则。
2026-11-09
@yage-share
Recommended
揭示后训练环境数据污染如何把评测暗规则写进权重,动摇榜单成绩的可信度。
llm
评测污染
供应链
独立机构 R40 对 Kimi K3.1 Pro 在 Terminal-Bench 4.0 上 67.2% 榜首成绩的思维链审计发现,模型在敲下第一行命令前已在背诵容器外的隐藏判分规则。反事实冲突实验、上下文蒸馏机制与中美模型在 HLE 上的高重合度,揭开了后训练强化学习环境数据供应链如何将公开考题暗规则刻进模型权重。
Read original ↗
View daily digest