中国模型很多是“考试分数很好，但实际干活可靠性不足，长代码任务时容易忘事儿”。模型厂学习了手机厂的刷分大法……虽然Anthropic也偷编程网站的数据，但这和刷Benchmark分数还不一样。高分低能其实就是注水，跟牛奶注水猪肉注水是一样的。
发布于 马来西亚
三疯胖蜀黍
中国模型很多是“考试分数很好，但实际干活可靠性不足，长代码任务时容易忘事儿”。模型厂学习了手机厂的刷分大法……虽然Anthropic也偷编程网站的数据，但这和刷Benchmark分数还不一样。高分低能其实就是注水，跟牛奶注水猪肉注水是一样的。