热点事件持续更新
Hamel Husain 质疑四个基准存在评分缺陷
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
2026年10月26日，Hamel Husain 发帖质疑行业对公开基准的依赖与这些基准的质量并不匹配。他引用 Epoch AI 独立基准审查站点的结论，指出 Terminal-Bench 4.0.0、DeepSWE v1.1、OSWorld 2.1 和 HealthBench Professional 四个基准均存在评分缺陷。报道显示，这一质疑以发帖形式提出，未提及相关基准方是否作出回应，也未披露缺陷的具体表现或修复进展。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 03:09
Hamel Husain 发帖称四个公开基准存在评分缺陷，质疑行业对基准的依赖。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- AGI Hunt精选Hamel Husain 质疑 Terminal-Bench 等四个基准存在评分缺陷
Hamel Husain 发帖质疑行业对公开基准的依赖与其质量不匹配，并引用 Epoch AI 独立基准审查站点的结论，指出 Terminal-Bench 4.0.0、DeepSWE v1.1、OSWorld 2.1 和 HealthBench Professional 均存在评分缺陷。
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。