站内搜索

关键词：Benchmark

找到 2 篇相关文章

2026-07-15 10:35:12 0 阅读

2026年大模型选型，MMLU分数早已失真。本文结合《通用大模型评测体系2.0》与SuperCLUE最新数据，拆解代码、多模态等场景的评估陷阱，提供一套避坑的组合策略。

2026-07-11 00:42:14 0 阅读

原稿列出多项精确指标，却没有给出可核验的benchmark名称、技术报告或测试方法。讨论通用智能体可以从物理推理、持续记忆和实时决策入手，但在证据补齐前，BIGAI离“通用”多远仍无法判断。