2026年10月18日 周日
记录时代 · 传递温度
SEARCH
以下是与“模型评测”相关的资讯，按时间排序。
1篇资讯
共 1 篇内容
MMLU、GSM8K 等常用基准的题目早已散落于公开网页，被训练语料收走。近期多项研究与开发者实测显示，榜单高分未必等于真实能力，评测体系正面临
