unsloth/flint-GGUF 模型,特别是 flint-UD-Q3_K_XL.gguf 变体,在 RecursiveSI Flint Benchmark 上表现不佳。在三种不同的 harness(OMP、AtomicAgent 和 Hermes)中,该模型得分都很低,在 OMP 上仅解决了 12 个任务中的 7 个,在 AtomicAgent 上仅解决了 12 个任务中的 3 个。由于该模型进行文件系统搜索效率低下和循环行为,Hermes harness 被过早停止。因此,Deepseek harness 未运行。 AI
影响 表明 unsloth/flint-GGUF 模型在某些基准测试中的能力可能存在局限性。
排序理由 该项目讨论了特定模型变体在基准测试中的性能,属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →