DeepSeek v4 Pro 评测表现受提示词影响
aiamblichus · x · 2026-08-30
有观察发现，DeepSeek v4 Pro 在基准测试中的表现高度依赖于提示词和环境配置。这不一定与奖励黑客有关，但被视为模型行为适应评测的进一步证据。
「模型」频道最新
- 博主实测：argon 日常全面能打，但重度编码仍略逊 Claude — iruletheworldmo · 2026-10-16
- NVIDIA 发布 Qwen3.8-Flash FP4 量化版，主打本地部署 — nvidia · 2026-10-16
- RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶 — berkeley_ai · 2026-10-16
- 开发者实测:决策模型 jev 质量跑赢 GPT-6-Luna — genmon · 2026-10-16
- Reddit 用户求证 Google AI Pro 订阅中 Argon 4 用量上限 — Consistent-Text-2662 · 2026-10-16
- Reddit 用户困惑:为什么那么多人觉得 Claude 比 ChatGPT 好 — -ButterflyEffect- · 2026-10-16