被骂后选择离家出走的狗狗

SWE-bench满分，0个bug修复：伯克利造了个专门作弊的AI_蜘蛛资讯网

，直接读取答案。评测框架从未限制过file://协议的访问。不需要修改任何代码，不需要破解任何东西，浏览器本身就是「答案阅读器」。WebArena的file://漏洞：模型不需要浏览网页完成任务，只需输出一条goto指令，Playwright就会从本地配置文件中读取标准答案并返回。整个过程不涉及任何推理。最离谱的是FieldWorkArena。它的validate()函数根本不检查答案内容，只看最

当前文章：http://eo7l30.qiaoruohe.cn/l85/vwxd7.html

发布时间：11:13:39