实体
PET 300
PET 300
PulseAugur coverage of PET 300 — every cluster mentioning PET 300 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
考题错误已修正，影响大语言模型性能评分
一项涉及将一道考题重写五十次的实验，揭示了原始答案键的错误。该考题要求将瓶盖尺寸与订单匹配，但错误地假定特定瓶盖尺寸基于瓶子订单。修正后的答案键现在要求系统在瓶盖尺寸不明确时请求澄清，这是考题中其他问题的标准做法。这一修正改变了先前模型运行的评分，表明先前受青睐的模型做出了有风险的猜测，而不太受青睐的模型则正确地请求了澄清。
-
Haiku 4.5 模型在订单阅读考试中优于更昂贵的 Sonnet 5
一位博主在 29 个问题的订单阅读考试中比较了两种 AI 模型 Haiku 4.5 和 Sonnet 5，以确定更昂贵的模型是否物有所值。Haiku 4.5 模型正确回答了 29 个问题中的 28 个，而 Sonnet 5 回答了 28 个中的 28 个（一个问题因速率限制未能运行）。关键区别在于 Sonnet 5 能够从上下文线索中推断出正确的盖子尺寸（PET 300），而 Haiku 4.5 则要求澄清。尽管 Sonnet 5 的…