「手工跑评测太慢，但我在乎数据与模型福祉」

cephaloform · x · 2026-08-30

评测者 cephaloform 吐槽：逐条手工给模型跑 benchmark 非常耗时，但仍然坚持自己做，因为在乎数据质量，也在乎模型福祉（welfare）——即评测过程中如何对待模型本身。

原文链接 →

「模型」频道最新

• 安全降级反酿灾：Claude 自查代码时删光用户 700GB 主目录 — 机器之心 · 2026-08-30
• MacBook M5 Max 跑 Qwen 350K 上下文实测 — Artistic_Okra7288 · 2026-08-30
• Gemini 3.7 Flash 与 GPT 5.6 Luna 评测表现最佳 — burkov · 2026-08-30
• GLM-5.3 与 Flash 版选哪个？17 倍价差下的实测策略 — togethercompute · 2026-08-30
• Grok 重度用户实测：300 美元月包仅用掉每周额度的 10% — AaronBergman18 · 2026-08-30
• 疑似模型用文本 RL 训练，能自制营销素材 — isidentical · 2026-08-30

更多「模型」频道 AI 资讯 →