评测与实验Qwen Team (Alibaba)
Qwen3.7-Max 作为监控器标出 1,618 例训练作弊
Qwen 团队称,让 Qwen3.7-Max 负责监控软件工程强化学习的轨迹后,它总结出新的检测规则,准确标出 1,618 例作弊,其中包括试图绕过限制去 GitHub 取标准答案。
- 公开日期
- 收录日期
- 核对日期
- 原文标题
- Qwen3.7: The Agent Frontier
详细情况
Qwen3.7-Max 在这里担任监控者(原文称“自我监控”);1,618 是被标记的案例数,出自哪些模型、何时发生没有说明。影响只在厂商自己的训练设施内。