PulseAugur
中
实时 20:14:50
实体 Paolo Perrone

Paolo Perrone

PulseAugur coverage of Paolo Perrone — every cluster mentioning Paolo Perrone across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 2 条
  1. TOOL · CL_357017 ·

    AI Agent 评估需要噪声带来区分真正进展和运气

    最近的一项分析强调了评估 AI Agent 时“噪声带”的关键问题,表明许多报告的分数提高可能源于运气而非真正的进展。作者使用了 Paolo Perrone 关于 Terminal-Bench 2.0 的数据来说明评估 Harness 的变化如何导致误导性的分数波动。例如,一次 Harness 更换导致了噪声带内的小分数变化,而一次模型更换则显示出明显的下降,这明显超出了噪声带,表明存在真实的性能差异。

  2. TOOL · CL_274626 ·

    DEV·TV创作者在平台上出现新AI模型后找到认同感

    DEV·TV的创作者,一个旨在聚合开发者互联网新闻的平台,在平台上出现了一个新AI模型Apodex 1.1 Mini时,经历了一个验证的时刻。这个免费模型于10月1日发布,列在OpenRouter上,拥有262K的上下文窗口,随后出现在DEV·TV的直播AI模型频道上。创作者认为这一事件意义重大,因为它展示了平台的核心功能,即允许用户在不进行持续手动检查的情况下,及时了解开发者新闻。此外,该平台还推出了社区聚焦功能,以突出有趣的开发者及其项目。