AA 换了几个benchmark http://t.cn/A6QonOUG，基本是把原来刷爆的都换了，现在的评估越来越难，新增加的Physics Reasoning貌似还很难。。。。

唐杰THU

26-01-07 08:16 微博认证：清华大学教授，AMiner创始人唐杰

发布于北京