Every弃公共榜单，为每位员工建个人基准测模型

Every 的 Dan Shipper 团队提出「个人基准（personal benchmark）」方法论，认为公共 benchmark 分数说明不了模型在真实工作上的表现。三年来他们坚持做基于团队真实工作的 vibe checks 上手评测，并为每位员工搭建自定义 eval 实测各模型；结果显示小模型反而更能胜任日常工作任务。

2026-09-11 ~ 2026-09-12 · 2 条相关