前沿模型已饱和「匹配人类分布」小基准 persimmon
noahdgoodman · x · 2026-10-20
斯坦福的 Noah Goodman 发帖称，persimmon 这个「匹配人类分布」的小基准是他见过最令人满足的基准之一——但和如今许多基准一样，前沿模型已经将其刷到饱和，失去了区分度。
「模型」频道最新
- 传 DeepSeek-V4.1-Flash 在 ML 研究任务上力压 Anthropic — teortaxesTex · 2026-10-20
- 实测 DeepSeek 对比 Claude 与 Codex:谷歌地图商家抓取任务各有胜负 — teortaxesTex · 2026-10-20
- 投资人弃 Astra 回归 Fable,押注 Fable 5.5 将再度登顶 — bindureddy · 2026-10-20
- AI 声称跑了计算实则没跑:一个「想当然」模式解释多数 AI 错误 — CourseSome8119 · 2026-10-20
- HeadEdit：不改权重即可校准 LLM 行为，九项实验全面生效 — burny_tech · 2026-10-20
- HealthBench 医疗基准排行出炉:GPT-6 屠榜,Claude 长答案被扣 11 分 — ArtificialAnlys · 2026-10-20