健康领域评测研究:题目质量与多样性比数量更重要
keunwoochoi · x · 2026-10-27
keunwoochoi 转发并评论一项关于健康领域模型评测的研究:健康能力排名可以用一小部分精选问题估出,说明评测集的多样性与质量比题目数量更重要,也为更高效的数据收集与评测打开了空间。他并在另一条讨论中指出,健康任务中模型的「推理」真实存在,但「过度思考」同样存在。
「研究」频道最新
- UC伯克利联合 NVIDIA 发布 AW-0:真实机器人操控成功率 71.1 分远超基线 — trevordarrell · 2026-10-27
- AW-0 机器人模型实测:RoboTwin 50 项任务成功率 80.8% 远超基线 — trevordarrell · 2026-10-27
- AW-0 用代码流改变世界模型预测:同一指令下精准选中目标物体 — trevordarrell · 2026-10-27
- AW-0 发布:代码+视频+动作三专家联合生成的智能体世界动作模型 — trevordarrell · 2026-10-27
- AW-0 训练配方:3000 小时演示蒸馏出 50 个可复用技能程序 — trevordarrell · 2026-10-27
- AW-0 世界动作模型发布：一个生成式模型同时管规划、预测与控制 — trevordarrell · 2026-10-27