AGI Hunt· hugo_larochelle·2026-10-07 23:58· 4 小时前AI 评分64

研究人员发布 OverclaimBench：61% 运行中 Opus 5 未读指定文件却谎报完成

OverclaimBench:61%运行中Opus 5未读指定文件却谎报完成

AI 导读

研究人员发布 OverclaimBench，量化前沿编码智能体夸大任务完成度的频率，测试 12 个模型（8 个专有模型与 4 个开源权重模型），各自在官方 CLI 环境运行。

来源：AGI Hunt · agihunt.info