模型挑战

专治大模型“刷题”！贾佳亚团队新基准让模型只挑错不做题，GPT-4得分不到50 大模型测试能拿高分，实际场景中却表现不佳的问题有解了。贾佳亚团队联合多家知名高校提出了一种全新的测评方法，让一些模型立马现出了原型。这下不...