google/gemini-3.1-flash-image

330 个大型语言模型接受韩语测试；许多模型未能遵守脚本规范

最近对 330 个语言模型进行的评估测试了它们在韩语任务上的表现，揭示了在脚本规范方面存在严重问题。相当一部分模型未能保持正确的脚本使用，许多回答包含错误的字母或中日文等其他语言的字符。评估采用了一种机械检查方法，在人工评委评估内容之前检查脚本污染，确保只有语言上合理的回答才会被评分。值得注意的是，发布日期、模型大小和英语基准测试表现等因素与韩语任务的成功与否无关，一些较旧的模型和较小的变体取得了满分。