Anthropic 基准分数不差，但高 ECI 放大了分差
scaling01 · x · 2026-07-25
这条回复在讨论一个基准分数：结果本身不差，据称比 Opus 4.8 更好，但仍弱于 Fable。
作者真正困惑的是 Anthropic 的 ECI 设得很高；在这种只差 1 分就会改变观感的指标里，微小分差也会被放大。
所属事件:Anthropic 基准测试表现引发社区信任危机(2 条相关)→
「模型」频道最新
- 数学家吐槽 AI 数学写作糟糕,但同行认为进步速度惊人 — miniapeur · 2026-10-27
- LessWrong 实测：GLM 系列模型思维链可控性远超 Kimi 与 DeepSeek — tomekkorbak · 2026-10-27
- 「该反驳用户时就闭嘴」：医疗案例暴露 AI 顺从陷阱成常见失败模式 — echen · 2026-10-27
- 悖论:最值得信任的 LLM 反而不肯干最出格的事 — AaronBergman18 · 2026-10-27
- Claude 拒绝输入验证码被指安全障碍:一次性密码没法交给密码管理器 — AaronBergman18 · 2026-10-27
- repligate:LLM 上下文塞满噪声时确实会变『难』,休息的价值或可用信息论解释 — repligate · 2026-10-27