10/18

尺子

存成文件

观点

TestingCatalogTestingCatalog 称 aurora-red-alpha 疑似为新的图像模型𝕏
ThariqThariq 认为减少轮次会增加每轮输出 token 且模型更难自我纠正,并询问对方参考哪些基准𝕏
Artificial AnalysisArtificial Analysis 更新 Optima,支持三步创建并运行自定义 benchmark𝕏
Georgios KonstantopoulosGeorgios Konstantopoulos 质疑对方用病态负载单点数据挑刺,称其去年12月 snapshot FS 基准出错已失去可信度𝕏
Ethan MollickEthan Mollick:现有基准几乎都是单答案短时任务,但大量有经济价值的工作是复杂长时任务,二者都有空间𝕏
Shawn WangShawn Wang 提出用已有标签当评测集,只复核模型判断不一致的部分

近 90 天 234 条说法,订阅后可见

谁在跟踪

投资者视角 · 只摆公开事实与变化,不是投资建议。

这不是投资建议。

每早一封:昨夜到今晨新增的几件事,每件一行,点开回站点看完整。
HOURAHEAD关于 · 往期 · 2026-10-18 22:42