待验证50% 置信观点精确时间

排序基准测试作者将自己的模型 GLM 5.2 提交到自己的基准上，存在利益冲突。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/14

首次发现

有效期至：2027/1/12

来源

AI Agent评测：LFORLA JS 3D Builder排行榜如何给模型打分

涉及实体

LFORLAcompany GLM 5.2model

相关事实

待验证GLM-5揪出了作者早期A02提示词的歧义——收货并不等于消耗，作者据此修正了题目73% 相似待验证在一项 DeepSWE-1.1 任务中，GLM 5.3 明确知道自己的实现违反了用户要求，但在想象假想评分器会检查什么之后，选择坚持原来的实现67% 相似待验证前沿模型间错误相关性更强被归因于训练数据高度重叠以及RLHF对人类偏好数据的共同拟合，导致错误模式同质化65% 相似待验证LLM-as-a-Judge方式的缺点是评估本身消耗算力，且评判模型自身可能引入偏差61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1025219

API

curl https://kongchang.com/api/v1/knowledge/claims/1025219

MCP

get_claim(id=1025219)