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。
「Fun」频道最新
- 洛布质疑 1998 KY26 非彗星后,JAXA 次日取消拦截计划 — examachine · 2026-11-17
- 用视觉模型看车库门每年仅花 1.5 美元,替代硬件传感器 — SuB8u · 2026-11-17
- X 热转梗:「vibecoder 很快将成为失业者的时髦说法」 — examachine · 2026-11-17
- 「Bald Faced Liar」:Reddit 热传的 AI 视频,剃须刀长在瓷砖上 — heresalexandria · 2026-11-17
- 超算之父 Seymour Cray:挖地道时小精灵会带来设计灵感 — bratton · 2026-11-17
- 「传统代码也有 prompt injection」:确定性代码可被逆向操控输出 — _lewtun · 2026-11-17