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
- Masked diffusion 语言模型提升 agentic RL 世界模型 — PatronusAI · 2026-07-22
- UI2App 显示截图还原远落后于真实交互恢复 — Grace Man Chen · 2026-07-22
- Fable 5 据称解开代数几何最著名难题之一 — we_are_mammals · 2026-07-22
- Stanford HAI 推出 8 篇论文，讨论 AI 与法律如何互学 — StanfordHAI · 2026-07-22
- 斯坦福 HAI 用 PNAS 特辑梳理生成式 AI 法律问题 — StanfordHAI · 2026-07-22
- 脑启发 GCML 用认知地图采样规划，主打低算力 — JonLag97 · 2026-07-22