开发者观点:五分钟怪笑话比 40 个跑分更能看懂前沿模型
korymath · x · 2026-10-26
korymath 的「周日辣评」:想了解一个前沿模型的真实水平,花五分钟让它写一个怪笑话,比看基准表格里 40 个漂亮数字收获更多。属于对 benchmark 驱动评测文化的常见批评,无展开细节。
「模型」频道最新
- 博主预测:Anthropic 11 月 IPO 前一周或抢发新模型拉高估值 — kimmonismus · 2026-10-26
- MemTensor 开源 MemT-1.0-Nano，基于 Qwen3.6-35B-A3B 做记忆增强 — MemTensor · 2026-10-26
- Kimi 承认 K3.1 Pro 额度扣费失误，向全量订阅用户补偿一周用量 — Kimi_Moonshot · 2026-10-26
- 爆料称 Fable 5.5 已推送给摩根大通、Meta 等头部企业客户 — ChrisGPT · 2026-10-26
- 新论文：潜学习无需共享基座，偏好也能跨模型隐秘传播 — burny_tech · 2026-10-26
- Jeff Ladish：厂商不会训练模型不说谎，且激励正走向「巧妙说谎」 — JeffLadish · 2026-10-26