V4-Flash与Luna模型在SWE基准上表现对比
teortaxesTex · x · 2026-08-09
技术讨论对比了 V4-Flash 与 Luna 模型在 SWE 基准上的表现。数据显示，V4-Flash 的 pass@2 表现优于 Luna 的 pass@1，但在 pass@4 指标上却略逊于 Luna 的 pass@2。这种反差打破了关于 Luna 经过更多强化学习的直觉推测，暗示 Luna 可能是一个参数更大、具备更多样化知识的模型。
所属事件:匿名模型Luna在SWE基准测试中表现引关注(2 条相关)→
「模型」频道最新
- Gemini 4 模型卡披露:模型可省去生物武器研究数月试错 — Puzzleheaded-King584 · 2026-10-16
- 问 AI 要答案永远是 7：Anthropic 工程师谈模型品味趋同陷阱 — rubenhassid · 2026-10-16
- 推ter脑筋急转弯：抠掉 Llama 3 全部权重矩阵还剩几个参数？ — Sauers_ · 2026-10-16
- Lean v4.35.0 自带四个已验证内核，其中之一由 Claude 写成并自证一致 — geoffreyirving · 2026-10-16
- Claude 团队版一个席位被标记，全组织 5 个账号一并冻结 — RexDouglass · 2026-10-16
- Kimi K3 训后检查点表现出色，获赞预训练扎实 — SonglinYang4 · 2026-10-16