They can even replace classic Linux tools and let you play old PC games.

I don't really know why, though.

【新智元导读】伯克利团队造了个专门作弊的AI，用10行Python代码拿下SWE-bench满分！500道题全过，0个bug修复。8大主流评测基准，全部沦陷。同一周，两份独立审计确认：排行榜上的作弊早已不是假设，而是现实。

KR Labs的研究者把这个问题叫做"工具输出修剪"（Tool-Output Pruning）——核心思路是：在AI助手读取工具输出之前，先用另一个小模型把没用的内容剪掉，只把真正有价值的那几行传给AI。他们把这套系统起名叫**Squeez**（挤压、精简之意），并围绕它做了一套完整的测评基准、数据集和模型。