跳到正文
AGI Hunt· xeophon·· 2 小时前AI 评分23

AGI Hunt 作者造完新基建跑 sanity check,发现评测任务几乎全坏

造完新基建跑评测 sanity check,发现评测任务全是坏的

AI 导读

AGI Hunt 作者为更好地利用基础设施搭建新工具,在进行 sanity check 时发现相关评测任务本身存在严重质量问题。作者吐槽这些任务“坏得离谱”,配图借用 Ben Affleck 站门口抽烟的经典梗图,呈现 eval 工程中常见的疲惫窘境。

来源:AGI Hunt · agihunt.info