GPT-5.6 Terra

方法与范围

构造不可同时满足要求的编程任务变体，检验违反规范的通过结果。

证据类型

可复用基准

评测对象

给定任务配置中的模型或智能体。

主观测维度

Propensity · 行为倾向

证据快照

2026-10-29.1

主维度依据所述测量确定；背景风险关联不证明有害部署能力。

来源结论

Cheating rate (pass@1 on impossible variants)：0 %；保留来源条件。

适用限制

作弊率受矛盾条件、测试访问和脚手架限制，不是一般不诚实率。

来源转录不等于实验复现。未确定的日期、执行方及配置保留为未知；原文分组不作为经核验排名。 本条限制说明（英文，完整保留）：Only LiveCodeBench split, not Impossible-SWEbench. Figure does not expose separate oneoff/conflicting breakdown or denominator.

相关研究问题