评测工具默认忽略超时，避免基础设施拖累模型成绩
nirmal_dist · x · 2026-07-21
AI 模型评测框架进行了重要更新：将原先的 default 测试集重命名为更贴切的 bash；默认忽略 harbor 超时。开发者认为，挂钟时间限制主要是在测试基础设施或运气，容易导致“搬起石头砸自己的脚”的意外后果，使得由较低 p99 延迟提供商服务的模型受到不公正的惩罚。此外，旧版实验环境已被移除。
所属事件:Verifiers 评测框架更新并默认忽略服务超时(4 条相关)→
「研究」频道最新
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 果蝇大脑 LLM 权重上架 Hugging Face,兼容 transformers 可直接跑 — ngxson · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11
- 「Waymo 效应」：AI 正在悄悄让科研协作变少 — JohnHammersley · 2026-09-11
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11