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
- GLM-5.3-Flash 登顶 Agent Arena 榜单第四 — AccBalanced · 2026-09-01
- 智谱 GLM-5.3 Flash 推出 INT4 与 MXFP4 版本 — HaihaoShen · 2026-09-01
- 南贝格 4.2 3B 模型发布 DSpark 权重 — teortaxesTex · 2026-09-01
- Qwen 2.5 72B 本地实测：长上下文吞吐跌一半 — julianharris · 2026-09-01
- DeepSeek 等模型 SWE-bench 得分辟谣：未达 80% — teortaxesTex · 2026-09-01
- Celeris-1 Magnus 登场：称霸 τ³-bench 的 Agent 专用模型 — timshi_ai · 2026-09-01