Ripple-65B 在编码基准测试中报告了强劲的性能,在 Terminal-Bench 2.1 上取得了 80.52 的分数,在 SWE-bench Pro v2.0 Hard 上取得了 79.1 的分数。然而,有人对其使用的比较方法提出了担忧。具体来说,模型卡显示使用了不同的 harness,Ricursive 指出使用了混合 harness 和供应商运行的评估,这表明需要独立复制来验证这些说法。 AI
影响 编码模型的基准测试结果对于理解模型能力和推动高效人工智能开发的进一步研究至关重要。
排序理由 该集群报告了一个模型的基准测试结果,属于研究范畴。
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →