造完新基建跑评测 sanity check,发现评测任务全是坏的

xeophon · x · 2026-11-17

作者吐槽:为了更好地利用基础设施造了新东西,跑评测做 sanity check 时检查了一下评测任务本身,结果发现评测任务「坏得离谱」。配图为 Ben Affleck 站门口抽烟的经典梗图,传达一种深深的疲惫感——做 eval 工程时常遇到的经典窘境。

原文链接 →

「Fun」频道最新

更多「Fun」频道 AI 资讯 →