calendar 在 [Nao 榜] Astra 霸榜了，但是评测是否还有意义？ 中发帖

[image] 
模型的能力日渐强大，要设计出高质量的测评集的难度也越来越高。当 AI 都能完美解决，区分 AI 间能力是否就是单纯风格了？
 
 
Back to Top