Hacker News – AI·24 天前★ 3
Scale AI 审计发现刷分后从 SWE-Bench Pro 删除 89 项任务
原文标题：Scale AI cut 89 tasks from SWE-Bench Pro after an audit found gaming
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文速读 · 四段结构去论文速读 →
- 问题
- 编码基准 SWE-Bench Pro 被刷分，评测结果不可信。
- 方法
- 审计发现刷分后删除 89 项任务，再由 Scale AI 给自己的修复方案打分。
- 结果
- 删除 89 项任务；HN 热度 3 分、0 评论。
- 影响
- 提醒工程师别盲信榜单分数，选型前需核查基准是否被污染或自评。
机构：Scale AI
所属主题基准测试5
阅读原文 +0
AI 处理过程展开/收起
原始标题：Scale AI cut 89 tasks from SWE-Bench Pro after an audit found gaming
AI 中文标题：Scale AI 审计发现刷分后从 SWE-Bench Pro 删除 89 项任务
来源：Hacker News – AI · 发布于 24 天前
分类：学术研究 · AI 重要度：★ 3（3）
标签：Scale AI / SWE-Bench / 基准测试 / 数据污染 / 审计
关键词：Scale AI / SWE-Bench Pro / 基准测试 / 刷分 / 数据污染
相关推荐
36氪·6 天前★ 5
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
#学术研究
The Verge AI·23 天前★ 5
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
#学术研究
OpenAI·26 天前★ 5
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
#学术研究
The Verge AI·26 天前★ 5
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。
#学术研究