TwiScan
Hot
Communities
Account collections
Login
Register
English
日本語
한국의
简体中文
繁体中文
Register and share your invite link to earn from video plays and referrals.
Register now
Charles在路上
@Charles77xixi
00后程序员👨🏻💻|前大厂 Infra,目前在做 Game Agent 把 AI 真正用进项目、把工资变成资产,联系方式在个人网站 合作 📮:charles77xixi
@gmail
.com
Joined January 2025
330
Following
5.8K
Followers
Charles在路上
@Charles77xixi
2026.09.23 07:56
如果想真的比较模型在某个领域的能力的话(比如文中说的调研任务),实际上应该用一个更强模型来当裁判,而不是更弱的模型 以及需要构建一个包含多个case的测试集,也要看两个用来评测的模型实际的推理时间、Token消耗,还需要跑多次来减小概率导致的误差
Show more
Thomas Yao
@ghosTM55
2026.09.23 03:08
测试了一下 Opus 5.5 和 Astra,同样的调研任务、推理强度和 skill 使用,分别独立出了两篇文档后给到同样的评判标准,GPT 和 Claude 分别都说自己的版本更好,最后交给 Deepseek 说 GPT 的更好,从我个人的观感上 Opus 5.5 在说人话上进步明显,但是在事实核查和观点推倒上存在重大缺陷
Show more
0
0
16
2
0
Forward to community
Most Popular Users
Tibo
@thsottiaux
1M Followers
FinancialJuice
@financialjuice
959K Followers
First Squawk
@FirstSquawk
579.6K Followers
Binance Wallet
@BinanceWallet
2.8M Followers
Serenity
@aleabitoreddit
1.1M Followers
LiveSquawk
@LiveSquawk
504.1K Followers
Binance
@binance
16.1M Followers
CNBC
@CNBC
6.3M Followers
ClaudeDevs
@ClaudeDevs
830.4K Followers
Seeking Alpha
@SeekingAlpha
348.2K Followers
New York Post
@nypost
4.3M Followers
The Wall Street Journal
@WSJ
22.3M Followers
TheStreet
@TheStreet
1.2M Followers
Boris Cherny
@bcherny
640.9K Followers
Thariq
@trq212
404.2K Followers