Persimmon 团队披露:内部「学习能力」评测未公开,但证据更硬
gharik · x · 2026-10-31
Persimmon 团队成员回应提问时透露：团队内部曾有更直接测量「学习」能力的评测，但出于公司可发布内容的限制没有写进博客。
已展示的一点是：Persimmon 犯错率的模式比其他模型更接近人类——这是匹配更广义「学习」的必要非充分条件。作者认为最有说服力的证据是：用 Persimmon 的学习信号做训练，在基于真实人类学习者数据的评测上提升，比用其他非 Persimmon 学习者训练更大。团队希望最终在真实学习者部署中验证这一点。
「研究」频道最新
- VGGT 3D 模型微调新法：按纹理几何光照拆分可复用 LoRA 方向 — burkov · 2026-10-31
- Moondream 发布 RefCOCO-M：像素级掩码、清除问题标注的指代分割评测集 — victormustar · 2026-10-31
- NVIDIA 推出 ScheduleGen:用 MILP 调度为多臂机器人生成协同训练数据 — AjayMandlekar · 2026-10-31
- 新研究用 scaling law 量化合成数据改写的算力收益 — chrmanning · 2026-10-31
- 吐槽医疗 RL 任务全是计费报销代码,想要的豪斯式诊断模拟在哪 — nirmal_dist · 2026-10-31
- 在 Qwen 4B 里定位「爱因斯坦神经元」并引导三种人格回答 — thursdai_pod · 2026-10-31