Amalan mereka bentuk penilaian teknikal yang tahan AI
Tajuk asal:Designing AI-resistant technical evaluations
Ringkasan AI
Ketua pasukan pengoptimuman prestasi Anthropic, Tristan Hume, berkongsi pengalaman mereka bentuk penilaian teknikal yang tahan AI. Sejak awal 2024, pasukan menggunakan ujian bawa pulang untuk menilai keupayaan calon mengoptimumkan kod pemecut simulasi, dengan lebih 1000 peserta dan berjaya mengambil puluhan jurutera. Namun dengan iterasi pantas model Claude, Opus 4 telah mengatasi kebanyakan pemohon manusia, malah Opus 4.5 menyamai calon terbaik, menyebabkan sukar membezakan output manusia dan AI dalam had masa. Oleh itu, penulis mereka semula ujian sebanyak tiga kali, meneroka elemen penilaian tahan AI, dan memperincikan reka bentuk asal, cara model memecahkannya serta langkah balas tidak konvensional. Akhirnya, pasukan mengeluarkan ujian asal sebagai cabaran terbuka kerana tanpa had masa, prestasi manusia masih lebih baik daripada Claude.
Maklumat penting
- Ketua pasukan pengoptimuman prestasi Anthropic,Tristan Hume,berkongsi pengalaman mereka bentuk…
- Sejak awal 2024,pasukan menggunakan ujian bawa pulang untuk menilai keupayaan calon mengoptimumkan…
- Namun dengan iterasi pantas model Claude,Opus 4 telah mengatasi kebanyakan pemohon manusia,malah…
- 5 menyamai calon terbaik,menyebabkan sukar membezakan output manusia dan AI dalam had masa.
- Oleh itu,penulis mereka semula ujian sebanyak tiga kali,meneroka elemen penilaian tahan AI,dan…
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Kategori
- Pandangan dan ulasan
- Skor AI
- 72
Anthropic 性能优化负责人亲手写了三版面试题被自家模型逐一击穿的全过程,这种坦诚的工程复盘比任何 AI 能力排行榜都更真实地告诉你,模型到底强到了什么程度。
Entiti Berkaitan
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: Amalan mereka bentuk penilaian teknikal yang tahan AI. 21 Januari 2026. https://new.nat6.net/ms/news/cmorb7ml0008dslhf40wkfniz/