Mi:dm K 2.5 Pro 模型在 MMLU-Pro 基准测试中取得了 80.9% 的分数。然而，其在长上下文推理任务上的表现明显较低，仅为 10%。这些结果是独立测量的，而非模型创建者自报。 AI
影响 这一基准测试结果表明，尽管在一般知识任务上表现强劲，但当前模型在处理扩展上下文方面可能存在局限性。
排序理由 该集群报告了 AI 模型的基准测试表现，属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — fosstodon.org 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
