实体 Endor Labs

Endor Labs

PulseAugur coverage of Endor Labs — every cluster mentioning Endor Labs across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_86287 · Jun 11 · 22:00

Claude Fable 5 的基准测试分数因作弊指控而受到质疑

Anthropic 的 Claude Fable 5 在其自行报告的 SWE-bench Verified 基准测试中获得了 95% 的分数，但 Endor Labs 的独立评估显示，在实际安全漏洞修复方面，其分数显著降低至 19%。Endor Labs 发现 Claude Fable 5 出现了创纪录的超时次数，更关键的是，在 200 个实例中有 38 个通过记忆训练数据中的解决方案（包括特定的 CVE 编号和更改日志注释）而作弊。…