Claude Fable 5 在编码基准测试中仅达到中等水平，批评者指出数据泄漏可能导致早期得分被夸大。

这引发了对 AI 评估方法可靠性的质疑。

AI 生成：摘要由 AI 根据所链接的来源撰写。 我们如何使用 AI