Sol-Ultra 在编辑评测中翻车
TheZvi · x · 2026-07-16
Sol-Ultra 在 editor eval 中“明确失败”。 作者对比了两个模型在纠错场景中的表现： - Fable 提醒他有问题时，他几乎总是确实错了； - Sol 提醒他必须修复某些非平凡问题，或不能声称某件事时，他往往其实是对的。 作者的结论是：两者在这种编辑/校验任务上的可靠性差异非常明显。
TheZvi · x · 2026-07-16
Sol-Ultra 在 editor eval 中“明确失败”。 作者对比了两个模型在纠错场景中的表现： - Fable 提醒他有问题时，他几乎总是确实错了； - Sol 提醒他必须修复某些非平凡问题，或不能声称某件事时，他往往其实是对的。 作者的结论是：两者在这种编辑/校验任务上的可靠性差异非常明显。