DeepSeek V4 自验证机制：成本仅 1/11，分数超 Claude
ccerrato147 · x · 2026-08-18
通过在推理过程中引入自我验证机制，DeepSeek V4 Flash 在 Terminal-Bench 2.1 上取得了超越 Claude Fable 的成绩，且成本仅为后者的 1/11。具体做法是采样 5 个候选解，并利用 LLM-as-a-Verifier 对输出进行排序和筛选，准确率从 79% 提升至 88%。
所属事件:DeepSeek V4 Flash 自验证 scaling 以 1/11 成本胜 Claude Fable 5(5 条相关)→
「研究」频道最新
- Quanta 深挖注意力机制起源：Bahdanau 从翻译练习悟出 AI 关键一步 — CatAstro_Piyush · 2026-10-16
- Google 团队用序列拍卖构建去中心化 LLM 多智能体工作流 — _onionesque · 2026-10-16
- meloform 技术拆解:可微分电路学 1022 个正弦系数复现人声 — henloitsjoyce · 2026-10-16
- OpenAI 数学模型发布后,GitHub 众人协作压低整数乘法 kappa — xennygrimmato_ · 2026-10-16
- RFdiffusion3 登 Science：原子级设计蛋白质与核酸复合物 — AllThingsApx · 2026-10-16
- New Science 发布 NSF 报告:呼吁用元科学实验改革美国科学资助 — alexeyguzey · 2026-10-16