热点事件持续更新
评测框架背锅：Pi Harness 拖低 Gemini 4 Argon 成绩
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
围绕 Gemini 4 Argon 在 FrontierCS 2 评测中的成绩，出现框架层面的新解释。2026 年 10 月 26 日，banteg 公布对该评测轨迹的审计结果：Pi Harness 在约 20% 的运行中，一旦遇到 fallback（例如 security 任务）就直接终止 Gemini 4 Argon 的执行，从而拖低了它的成绩。按早先说法，换掉 Pi Harness 后 Gemini 4 Argon 的评测成绩大幅上涨，逼近 Opus 5.5；此次审计则把原因指向评测框架，而非模型本身。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- AGI Hunt评测框架背锅：换掉 Pi Harness 后 Gemini 4 Argon 逼近 Opus 5.5
banteg 审计 FrontierCS 2 评测轨迹后发现，Pi Harness 在约 20% 的运行中一遇到 fallback（如 security 任务）就直接终止 Gemini 4 Argon 执行，拖低了成绩。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。