MillionInt:近期密集思考 human eval 曲线设计
MillionInt · x · 2026-10-26
MillionInt 发推称最近花了大量时间思考 human eval(人工评测)曲线,暗示团队在模型评测方法上有新动向,但未展开细节。
「模型」频道最新
- Opus 被批安全分类器误伤：取自己的文档竟被拦为「推理提取」 — AccBalanced · 2026-10-26
- Yacine 放话:DeepSeek 无疑已属前沿模型 — yacineMTB · 2026-10-26
- 单个神经元实验：给 Qwen 注入「快乐神经元」可改变其自我描述 — Sauers_ · 2026-10-26
- Opus 4.5 对话中冒出「体外的声音」，作者称只在该模型见过 — repligate · 2026-10-26
- Huihui 发布 DeepSeek-V4.1-Flash 去审查版，unsloth/strata 版测试通过 — AIFlow_ML · 2026-10-26
- 让纯文本 LLM 用字符画物体：5 个无视觉模型实测 — gabriberton · 2026-10-26