LLaDA 2.2-flash 在多项基准上领先 Ling-2.6-flash
omarsar0 · x · 2026-07-26
这条主要是在复述同一张基准图里的结果。
- 其中醒目的一项是 SWE-bench Verified：49.28 对比 31.88。
- 另一张图还显示它在 SWE-bench Pro、SWE-bench Multilingual、τ²-Bench、BFCL-v4、MCP-Atlas、PinchBench、Claw-Eval 等任务上都领先。
所属事件:蚂蚁开源扩散大模型 LLaDA 2.2，主打智能体与自纠错(10 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