当模型接近超人类智能时，评测也要更激进
shyamalanadkat · x · 2026-10-26
这是一条转发帖。@xdotli 预告将撰文讨论：随着模型智能达到超人类水平，evals（模型评测）的思路也需要变得更激进（more ambitious），文章即将发布。
「编程与Agent」频道最新
- AI 让写代码快过开票,Jira 粒度跟不上干脆弃用 — feregri_no · 2026-10-26
- vLLM 生产栈跑 K8s 没问题,但 agent 沙箱 Modal 用另一套扩展到百万并发 — NielsRogge · 2026-10-26
- badlogic 分享 2026 年 agent 工作流：「做砸了就吼它」 — steipete · 2026-10-26
- AI 审查连挂三轮后，独立开发者让离线价格改为只读保数据 — SeanOliver · 2026-10-26
- 花21美元 API 让 DeepSeek 写引擎:Mac 上跑出 300+ tok/s,快过 mlx-lm — GabGarrett · 2026-10-26
- EMNLP 2026 Findings 论文：让编码 Agent 自主判断何时向人求助 — najoungkim · 2026-10-26