Decider 模型靠去因果掩码涨分,作者称非刷榜且私榜不崩
antoine_chaffin · x · 2026-10-07
antoinechaffin 介绍其 decider 模型近期收益主要来自几个合理的改进决策:解除 causal mask 限制、扩充训练数据（并感谢 tasksource 数据集贡献者）。
针对「刷榜」（benchmaxxing）质疑，作者给出反驳证据：在全新排行榜上仍保持 top-1，且公开与私榜（private split）之间差距很小——「有些模型在私榜上崩了，我们的纹丝不动」。
作者预告后续路线图：reranking 性能提升、PII 检测能力、更强的多模态能力。
所属事件:Decider 模型作者回应刷榜质疑：公开私榜差距极小(2 条相关)→
「模型」频道最新
- 「Astra 暂停综合征」刷屏:steering 或致模型沉默,OpenAI 有解法 — thursdai_pod · 2026-10-07
- 网传 Qwen4 Flash 疑为 400B 参数，规模对标 GLM 5.3 Flash — EAccelerate_42 · 2026-10-07
- Anthropic 扩大网络安全验证计划,分三级开放攻击性用途权限 — EricBuess · 2026-10-07
- Mistral Large 4.0 万亿参数开源权重月底发布 — cpldcpu · 2026-10-07
- Claude 以「推理抽取」为由拒绝展示思考过程，用户吐槽：推理才是好东西 — StewartalsopIII · 2026-10-07
- 网友吐槽 Grok 性格拧巴:先说 No 再替你把论证讲得更强 — gandamu_ml · 2026-10-07