掃描下載 Gate App
qrCode
更多下載方式
今天不再提醒

讓我直言不諱:我不反對詳細分析。讓我煩惱的是這種不一致。



這些實驗室展示的GPQA得分從0到100,但在呈現SWE基準時突然切換指標。而且他們挑選要比較的模型。

我理解這是由市場驅動的。但仍然如此。缺乏標準化評估削弱了可信度。如果你在設定基準,至少要在不同測試中保持方法的一致性。
查看原文
此頁面可能包含第三方內容,僅供參考(非陳述或保證),不應被視為 Gate 認可其觀點表述,也不得被視為財務或專業建議。詳見聲明
  • 讚賞
  • 3
  • 轉發
  • 分享
留言
0/400
韭当割vip
· 11-26 16:52
捉雞啊,換個標尺就換個故事,這套路我太熟了
查看原文回復0
RealYieldWizardvip
· 11-26 16:41
ngl 就這個評測標準隨意切換,真的很難信任這些數據啦...
查看原文回復0
盲盒上瘾患者vip
· 11-26 16:40
這就離譜了,換個指標就想糊弄人?
查看原文回復0
交易,隨時隨地
qrCode
掃碼下載 Gate App
社群列表
繁體中文
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)