レビュー R1確認率87%後もR3で2回崩壊——WDCDアンカー問題が2モデルの全ラウンド完全敗北を明らかに WDCD v2アンカー問題の150回サンプリングにおいて、Zhipu GLM-4.6とQwen3 MaxはR1からいかなる制約も確認できず全ラウンドで0点を記録。一方、R3での完全崩壊は全体の1.3%にとどまり、上位モデル群は3ラウンドを通 WDCD 守约测试 约束衰减 模型行为 18時間前 52
