Terminal-Bench 4.1 發佈，驗證器加固
熱點事件持續更新
Terminal-Bench 4.1 發佈，驗證器加固
1 篇報導1 個報導來源18 小時前更新
先了解這件事
AI 綜述
Terminal-Bench 發佈其 agent 基準測試 4.1 版，改進了驗證器，旨在抵禦獎勵駭客行為。用新驗證器重新評分 TB 4.0 無需額外推理費用，因為它使用了已保存的產物；11,550 次試驗中僅約 1.16% 的分數發生變化，且全部 35 個 agent 的更新分數均落在其原始 TB 4.0 95% 置信區間內。 在無法獲得重新評分結果的地方，排行榜保留原始 TB 4.0 分數，因此此次更新基本不改變現有排名。
AI 依報導生成 · 14 小時前更新
最新進展11月13日 04:17
Terminal-Bench 4.1 發布，強化驗證器以抵抗獎勵駭客行為報導時間線
沿著報導，了解事件的不同側面。
11月13日
- Hacker News · AITerminal-Bench 4.1 發布，強化驗證器以抵抗獎勵駭客行為
Terminal-Bench 4.1 已發布，配備改良的驗證器，旨在抵抗獎勵駭客行為；以新驗證器重新評分 TB 4.0 無需額外推論成本，花費為 $0。在 11,550 次試驗中，僅約 1.16% 的分數發生變化，且全部 35 個代理的更新分數仍落在其原始 TB 4.0 95% 信賴區間內。
本事件熱度走勢
還沒有足夠的連續觀測資料，暫不繪製趨勢。