TwiScan
인기
커뮤니티
계정 컬렉션
로그인
회원가입
English
日本語
한국의
简体中文
繁体中文
가입 후 초대 링크를 공유하면 동영상 재생 및 초대 보상을 받을 수 있습니다.
지금 가입
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
가입 January 2025
330
팔로잉 중
5.8K
팬
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
더 보기
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
더 보기
0
0
16
2
0
커뮤니티로 전달
인기 있는 사용자
New York Post
@nypost
4.3M 팬
オリコンニュース
@oricon
2M 팬
Bloomberg
@business
10.5M 팬
Reuters
@Reuters
26.5M 팬
TVer新着
@TVer_info
101.8K 팬
ツイッター速報〜BreakingNews
@tweetsoku1
259.8K 팬
PR TIMESテクノロジー
@PRTIMES_TECH
28.3K 팬
billboard
@billboard
16.8M 팬
First Squawk
@FirstSquawk
579.6K 팬
吴说区块链
@wublockchain12
183K 팬
zerohedge
@zerohedge
3.4M 팬
i-dle (아이들)
@official_i_dle
2.3M 팬
ITZY
@ITZYofficial
6.6M 팬
tripleS official
@triplescosmos
234.2K 팬
ATEEZ(에이티즈)
@ATEEZofficial
4.9M 팬