从业者观察:模型越强,写好 eval 越难也越重要
amankhan · x · 2026-11-12
开发者 amankhan 短评:随着模型能力提升,编写高质量评测(eval)变得越来越难,同时也变得越来越重要。模型变强意味着粗粒度基准难以区分差异,eval 工程成为衡量真实能力的关键环节。
「编程与Agent」频道最新
- 用 Claude 自动监控竞品动态，有发现就发邮件 — doooyle · 2026-11-12
- 用 Claude 盯竞对：有动静自动发邮件提醒 — GlenBradley · 2026-11-12
- 开发者实测 Gemini 4 Carbon:Favicon 设计与微交互表现更出色 — AI_Andrew · 2026-11-12
- v0 接入 ChatGPT Business 订阅,Plus/Pro/Business 均可直连使用 — OpenAIDevs · 2026-11-12
- Nvidia 与 Google 的 Agent 沙箱项目正式进入 CNCF — pjausovec · 2026-11-12
- ACM 技术讲座明日开讲:harness 工程如何从希望式指令走向强制控制 — marlene_zw · 2026-11-12