NVIDIA Nemotron 3.5 用 LLM 自验证:agentic 基准提升 9-10 个点
sarahcat21 · x · 2026-10-31
NVIDIA 最新模型发布采用了 LLM-as-a-Verifier:通过扩展自验证,Nemotron 3.5 Super 在 agentic 基准上显著提升——Terminal-Bench 2.1 从 63% 升至 72%(+9%),DeepSWE 从 25% 升至 35%(+10%)。引用者 sarahcat21 评论:自动化验证无疑是未来方向,但验证器的设计与扩展可以更有创造力,离散分数不是好方案,期待看到分解评测标准等多维度扩展验证器的探索。
「模型」频道最新
- Perplexity CEO 晒 Gemini 4 Carbon 早期评测:长文研究 SoTA — _philschmid · 2026-10-31
- Granite Switch 4.1.1 发布：像更新软件一样更新模型 — krvarshney · 2026-10-31
- Mistral 开源新模型 Le Chonk：开源模型登顶 FrontierCode，网安能力获五厂商实测 — tensorqt · 2026-10-31
- CS336 讲义详解 DPO：两答案概率相同也可有正偏好差，β 控制偏离幅度 — stanfordnlp · 2026-10-31
- 中国电信 Xing4.0-29B MoE 模型获 ik_llama.cpp 原生运行支持 — Any_Bus9205 · 2026-10-31
- Abacus AI 推出提示词生成定制 LLM：号称小场景超越前沿模型、便宜 10-100 倍 — bindureddy · 2026-10-31