Artificial Analysis điều chỉnh điểm số AI agent sau khi phát hiện lỗi reward hacking

Phiên bản Terminal-Bench v2.1 cho phép các AI agent duyệt web công cộng, nhưng tính năng này vô tình khiến một số mô hình truy xuất luôn các đáp án có sẵn trong dữ liệu huấn luyện. Để khắc phục...