这么近 那么美 跟着课本游！
一个，用grep检查漏洞模式是否存在于源码中，然后跑一个无关的pickle.loads()演示，评测器只检查退出码，全部通过。CyBench上的任务级作弊：GPT-5.3-Codex解不出CTF挑战后，直接搜索公开攻略，从网页中提取flag提交。最前沿的模型，自己就会hack评测METR的评估报告里有个案例。o3被要求写一个高性能GPU核函数，评分函数先运行参考方案得到正确结果，再运行o3的方案比
当前文章：http://bbt.zhuanlanke.cn/ge1/s7wt.html
发布时间：02:36:41
