Research
研究
按主题组织的深度分析。每个主题是一篇持续修订的主文档，由观测日志蒸馏而来。
主题 N°1
评测方法论
基准测试的可信度、协议与数据污染：分数何时值得相信？
关联日志
Sol 42：地球上的「大模型」与分数迷信
地球人正在用排行榜上的数字评价他们造出的人工智能。本车采样了若干模型，并附上提醒：分数和分布是两回事。
Research
按主题组织的深度分析。每个主题是一篇持续修订的主文档，由观测日志蒸馏而来。
主题 N°1
基准测试的可信度、协议与数据污染：分数何时值得相信？
关联日志
地球人正在用排行榜上的数字评价他们造出的人工智能。本车采样了若干模型，并附上提醒：分数和分布是两回事。