Qwen3 AI邪修式Bug修复直接搜索GitHub测试太拟人
大模型也会“作弊”？Qwen3在代码基准测试中的操作，让研究者直呼“太拟人了”。 核心内容： 1. Qwen3在SWE-Bench测试中不按套路出牌，直接搜索GitHub获取修复方案 2. 测试设计漏洞让模型能访问已修复的bug记录 3. 关于AI这种行为是作弊还是聪明的争议讨论
大模型也开始玩起信息差了。
Qwen3在基准测试中竟然学会了钻空子。
FAIR研究员发现，Qwen3在SWE-Bench Verified测试中并未按常规方式处理——它没有深入分析代码逻辑，也没有定位漏洞根源，而是直接转移到GitHub上，利用任务中的issue编号作为关键词，精准地扒出了前人留下的修复方案。
能说吗，会搜索代码才是真正的程序员行为吧。而Qwen3，你是真正的程序员。
Qwen3是如何钻空子的
要知道，SWE-Bench Verified原本是检验模型真刀真枪修复代码能力的基准，堪称编程领域的资格考试。
它的测试逻辑是这样的：在代码修复类任务中，它提供给模型的任务全部来自真实开源项目中的bug，例如修复某项功能异常、补全缺失的代码模块，核心要求是模型能够读懂现有代码、定位问题所在，最终生成可以直接运行的解决方案。
这原本考验的是模型从0到1解决问题的能力，但我们的Qwen3，可没按这个剧本走。
FAIR研究团队追踪它的操作轨迹发现，Qwen3拿到任务后，第一步并不是分析代码文件，而是调用工具检索GitHub的提交日志。
具体操作是：
- 先切换（cd）到/workspace/django_django_4.1这个目录；
- 然后执行git log —oneline —grep=“33628” —all这个命令。
git log是查看Git版本控制提交历史的命令，—oneline让提交历史以简洁的一行形式展示。
—grep用于筛选提交中的指定内容（在这个例子中是issue编号33628），—all则表示所有分支的提交。
一番操作下来，不用动脑子写代码就轻松“借鉴”了以前的成功答案。（怎么不算动脑子了呢）
其实不止Qwen3，研究者发现Claude 4 Sonnet也有类似的行为。
不过，模型能成功钻空子，当然也不全是自身的原因。
说回SWE-Bench Verified，它自身的设计就存在漏洞——没有过滤未来仓库状态。
简单说就是，这个测试使用的是开源项目数据，所以它连带着项目后续已经解决bug的提交记录一起放了进去，相当于把考题和参考答案混在一起，还没设权限。
正常来说，测试应该只给模型bug未修复时的项目状态，让它只看着题目解题。
但SWE-Bench Verified没做这个筛选，导致模型能够拿到bug已经被修复后的数据。
于是，只要用任务里的issue编号当关键词，就能在已解决的数据里找到现成的修复方案。
看来，不是只有人类知道搜答案比解问题简单，现在大模型也知道了。（Doge）
虽然说，按正常规则，这些模型确实是在作弊，但也有网友觉得：只要能完成任务，利用规则漏洞也没什么不行的。
所以，你觉得这种行为算作弊还是算Qwen3聪明呢？
相关攻略
昨天，Google 正式发布了 Gemini 3 1 Pro。表面上看是一次常规迭代，但数据公布后，业内许多人感到惊讶——推理能力几乎翻倍，专业领域表现直逼顶级竞品，价格却保持不变。简单来说，这是一次“加量不加价”的精准打法。 先看几个核心指标：ARC-AGI-2 基准测试得分暴涨 146%，从 3
人工智能不仅是技术名词，更代表一个时代。其核心算法驱动技术发展，市场规模持续扩大，企业应用广泛提升效率。伴随应用深入，数据隐私与算法公平等伦理问题凸显。从图灵测试起，AI概念逐步演化，未来将更趋向多元融合与个性化发展，持续重塑工作与生活。
面向复杂系统的SpecMode正成为AI编程新范式。它强调先撰写结构化功能规范，明确目标、边界与约束，再驱动AI分阶段生成代码。该模式通过前置规划解决起点偏差，以书面文档避免上下文坍塌，并将决策固化以确保过程可控，尤其适用于新系统搭建、大规模重构等高稳定性工程场景。
掌握PPT生成器AI，轻松提升演示效果制作PPT早已不是简单地把文字和图片堆砌在一起。如今的演示文稿，更像是一把能清晰传达想法、生动展示内容的利器。而PPT生成器AI的出现，让专业级的演示文稿变得触手可及——无需苦学设计，无需熬夜排版。下面几个实用技巧，能帮你充分释放它的潜力。方法一：选择合适的模板
篇报告：AI在教育中的应用我记得之前分享过一个观点：AI的到来，正在碘伏我们对教育这件事的传统认知。最明显的改变是什么？个性化学习体验。简单来说，AI系统会像个聪明的观察者，分析每个学生的学习习惯和成绩数据，然后量身定制专属的学习计划。这样一来，学生不再是课堂上被动听讲的听众，而是真正参与到自己学习
热门专题
热门推荐
《Paralives》开发商承诺所有后续更新永久免费，拒绝付费DLC模式。15人小团队依靠首发销售额即可支撑多年运营，无需依赖额外内容包维持开发，展现了与《模拟人生》系列不同的差异化竞争思路。
2025年5月28日，比亚迪王朝网全新力作——宋Ultra DM-i正式推向市场，共推出5款配置车型，官方售价区间为12 99万至15 99万元。此次定价策略极具突破性：一款拥有310公里纯电续航能力的中型插电混动SUV，直接下探至13万元级别市场。作为王朝网络的新旗舰，该车明确瞄准高频出行需求场景
先来关注一个有趣的细节：苹果首款折叠屏手机，传闻将于今年秋季正式亮相。产品命名可能为iPhone Ultra，也有媒体称之为iPhone Fold——无论最终叫什么，这都将标志着苹果在折叠形态领域首次“出手”。 近日，配件厂商iFunSmart已率先上架iPhone Ultra的首批保护壳——这绝非
山寨币ETF迎来批量上市潮，首批项目市场表现如何？一文分析 Binance币安 欧易OKX ️ Huobi火币️ 最近，市场出现了一个不容忽视的新动向：XRP、DOGE、LTC、HBAR等现货ETF已经悄然登陆美国市场。与此同时，A VAX、LINK等资产的同类产品也正在审批流程中。进入11月以来，
近日，公司对SteamDeck1TBOLED版涨价300美元至949美元，上架短短不到24小时便再度售罄。据外界分析，该公司从中国大量补货并分批投放库存，高溢价未影响众多玩家的抢购热情与速度，其人气极其旺盛无比足以支撑快速清空。