Soofi评测疑似被污染
JJitsev · x · 2026-07-16
这条回复指出，Soofi 的一些结论可能被重写后的评测集污染，因此“更强”的比较结果未必可信。
作者提到，Soofi 报告里的 Tab 5 里有一个未包含在重写评测集中的基准（LBPP），在那里 Nemotron 3 Nano 以 38.1 对 31.0 明显领先，这暗示如果不使用被训练集污染的评测，结果可能会不同。
所属事件:SOOFI 评测泄漏与基线对比争议(13 条相关)→
「模型」频道最新
- 6TB Fable 数据遭倒卖：内含小米华为等企业泄露密钥 — teortaxesTex · 2026-09-11
- AI Sextet 活动:6 模型 14 天完全免费,含 DeepSeek/Qwen/GLM — airesearch12 · 2026-09-11
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11