Terminal-Bench 4.1 发布，验证器加固
热点事件持续更新
Terminal-Bench 4.1 发布，验证器加固
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
Terminal-Bench 发布了其智能体基准测试的 4.1 版本，改进后的验证器旨在抵御奖励黑客行为。使用新验证器对 TB 4.0 重新评分无需额外推理费用，因为它使用了已保存的产物；在 11,550 次试验中，仅约 1.16% 的分数发生变化，且全部 35 个智能体的更新分数均落在其原始 TB 4.0 95% 置信区间内。 在无法获得重新评分结果的地方，排行榜保留原始 TB 4.0 分数，因此此次更新基本未改变现有排名。
AI 根据报道生成 · 13 小时前更新
最新进展11月13日 04:17
Terminal-Bench 4.1 发布，强化验证器以抵御奖励黑客攻击报道时间线
沿着报道，了解事件的不同侧面。
11月13日
- Hacker News · AITerminal-Bench 4.1 发布，强化验证器以抵御奖励黑客攻击
Terminal-Bench 4.1 已发布，其改进后的验证器旨在抵御奖励黑客攻击；使用新验证器对 TB 4.0 重新评分未产生额外推理成本（$0）。在 11,550 次试验中，仅约 1.16% 的分数发生变化，且全部 35 个智能体的更新后分数仍处于其原始 TB 4.0 的 95% 置信区间内。
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。