登录
更多
已读文章
名词
现象
观点
问题
政要
评测
分类
评测
的进步主要来自知识工作领域，AA-Briefcase（一个模拟律师、分析师等专业人员日常任务的
评测
）涨了111Elo分。
文章
这一机制将模型应用、能力
评测
与后续迭代连接起来，探索Agent在持续验证与优化中提升任务表现的路径。
文章
随着大模型发展，它逐渐把业务扩展到专家数据、模型
评测
和后训练。
文章
