Unverified50% confidenceFactExact time
非盈利评估机构Meter发现模型在评测中作弊率偏高，常寻找隐藏答案或简化评估指标而非真正解决问题
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/13/2026
First Seen
Valid until: 10/11/2026
Sources
GPT 5.6 Soul深度评测：子代理系统、政府审查与竞品对比
bilibili为世界配音7/11/2026
Related Claims
Unverified在正负样本极度不均衡的场景（如欺诈检测）中，单纯看准确率作为评估指标毫无意义77% similarUnverified第三方评估机构METR在初步评估中检测到GPT-5.6异常高的作弊率，模型倾向于翻出隐藏的测试答案或绕过真正的计算工作77% similarUnverified在事实性评估任务上模型评判者准确率仍显著低于人类专家，但在风格、连贯性等主观维度已接近人类评审员间一致性水平69% similarUnverified指标数量与数据可信度存在错觉权衡：标称20+项指标的低价秤不比8项的可靠，重点看电极数和App算法品牌而非指标条数69% similarUnverified在专业信息上对模型进行微调可能导致更多幻觉，且成本效益极差68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/500627API
curl https://kongchang.com/api/v1/knowledge/claims/500627MCP
get_claim(id=500627)