Nuance Labs 反思刷分:基准越高对话体验反而越差
iamaliveix · x · 2026-11-10
Nuance Labs 的 fangchangma 分享一个反直觉发现:把模型在现有基准上推得更高,实际对话体验反而变差。因此他们不想让用户只信基准,而是让用户自带直觉判断,并放出对话模型 Emma 供体验。这对「榜单分数≠好用」的行业老问题提供了一个厂商第一手佐证。
「模型」频道最新
- Claude Fable 5.2 首日登陆 Databricks,OfficeQA Pro v2 创新高 — matei_zaharia · 2026-11-10
- 能否精准削弱模型而不伤机械可解释性?研究员讨论 — eliebakouch · 2026-11-10
- 社区质疑 Opus 5.5 已遭悄悄降智，Anthropic 未回应 — eigenron · 2026-11-10
- 蚂蚁 Robbyant 开源 JEPA 触觉基础模型 LingBot Touch — AdinaYakup · 2026-11-10
- 用户反馈：Fable 5.2 尚未出现在 Claude Code 中 — DavidmComfort · 2026-11-10
- Claude Fable 5.2 一天一个：从零设计三台全部可用的电子设备 — Dr_Singularity · 2026-11-10