18 个月实测 93 个模型：蒸馏量化与专项 RL 或损害通用能力

多伦多大学博主 Kevin Bryan（Afinetheorem）基于自建图像地理定位基准 HardGeoBench，历时约 18 个月实测 93 个模型，测试模型在不使用搜索等工具情况下的「裸 LLM」定位能力。结果显示蒸馏、量化与专项 RL 训练可能损害模型通用能力，其中 DeepSeek 某版本表现垫底。

2026-10-19 ~ 2026-10-19 · 2 条相关

• 博主 18 个月测 93 个模型：精馏+量化+专项 RL 损害通用能力 — Afinetheorem · 2026-10-19
• 93 模型实测 1.5 年：蒸馏+量化+RL 或损害通用能力，DeepSeek 某版垫底 — Afinetheorem · 2026-10-19