新论文提出在基准饱和后改看解题过程来测模型能力
maksym_andr · x · 2026-10-18
研究者发布新论文《All models are equal, but some models are more equal than others》，探讨一个核心问题：当 benchmark 已饱和、各家模型都能“做对”时，如何继续衡量模型能力差异。思路是不再看任务是否成功，而是看模型如何解决任务，从解题过程维度区分能力高低。作者以线程形式展开，正文截断，细节需看原线程。
「研究」频道最新
- Correction Training 无需 CFG 也能显著提升扩散模型出图质量 — _onionesque · 2026-10-19
- Kenneth Stanley 补充 FER 假说论文链接与示意图 — kenneth0stanley · 2026-10-19
- Kenneth Stanley 质疑机制可解释性：为何只读心不问如何改进 — kenneth0stanley · 2026-10-19
- Proof Before Reuse:0/30 拦住投毒技能进 Agent 程序性记忆 — maa____z · 2026-10-19
- 4B 决策模型替代大模型做 agent 选择，成本降 81-89% 还快 2.5 倍 — alex_verem · 2026-10-19
- LLaDA-8B 上 AMD NPU:比 CPU INT4 快 1.67 倍、能效高 8.9 倍 — PyTorch · 2026-10-19