EXM7777 建议自建基准测试：用日常重复任务评估新模型

EXM7777建议将业务中每天重复执行的动作沉淀为自有基准测试，在新模型发布时直接运行，以判断其是否优于当前日常主力模型。他认为公开榜单多覆盖用户很少执行的任务，自建基准更能反映真实业务表现。