TwiScan
熱門
社區
帳號集合
登入
註冊
English
日本語
한국의
简体中文
繁体中文
註冊並分享邀請連結,可獲得影片播放與邀請獎勵。
立即註冊
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
加入 January 2025
330
正在關注
5.8K
粉絲
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
顯示更多
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
顯示更多
0
0
16
2
0
轉發到社區
熱門用戶
New York Post
@nypost
4.3M 粉絲
オリコンニュース
@oricon
2M 粉絲
Reuters
@Reuters
26.5M 粉絲
吴说区块链
@wublockchain12
183K 粉絲
TVer新着
@TVer_info
101.8K 粉絲
PR TIMESテクノロジー
@PRTIMES_TECH
28.3K 粉絲
Bloomberg
@business
10.5M 粉絲
ツイッター速報〜BreakingNews
@tweetsoku1
259.8K 粉絲
First Squawk
@FirstSquawk
579.6K 粉絲
空空道人
@Kongkongda5882
41K 粉絲
billboard
@billboard
16.8M 粉絲
华尔街观察 Xtrader
@cnfinancewatch
140.6K 粉絲
中國新聞社
@CNS1952
550.1K 粉絲
zerohedge
@zerohedge
3.4M 粉絲
WangNextDoor
@WangNextDoor2
110.9K 粉絲