TwiScan
人気
コミュニティ
アカウントコレクション
ログイン
登録
English
日本語
한국의
简体中文
繁体中文
登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。
今すぐ登録
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
参加 January 2025
330
フォロー中
5.8K
ファン
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
もっと見る
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
もっと見る
0
0
16
2
0
コミュニティへ転送
人気のあるユーザー
オリコンニュース
@oricon
2M ファン
New York Post
@nypost
4.3M ファン
ツイッター速報〜BreakingNews
@tweetsoku1
259.8K ファン
TVer新着
@TVer_info
101.8K ファン
PR TIMESテクノロジー
@PRTIMES_TECH
28.3K ファン
Bloomberg
@business
10.5M ファン
Reuters
@Reuters
26.5M ファン
モデルプレス
@modelpress
2.1M ファン
First Squawk
@FirstSquawk
579.6K ファン
billboard
@billboard
16.8M ファン
MANTANWEB/毎日キレイ
@mantanweb
68.6K ファン
吴说区块链
@wublockchain12
183K ファン
ファミ通.com
@famitsu
1.4M ファン
cv usk
@cv_usk
470 ファン
Yahoo!ニュース
@YahooNewsTopics
2.1M ファン