Baseten举办开源模型评估网络课

Baseten将于10月28日举办网络研讨会，讲解工程团队如何评估开源模型能否胜任生产级编码任务；目前公布的是课程安排，并非某款模型的评测结论。Alex Ker与Molly Elfers将介绍如何用自有仓库已合并的PR构建benchmark，并以“每成功任务成本”衡量模型表现。课程还将结合Claude Code、Codex等现有harness设计试点，检查性能和可靠性指标。Baseten称，参会者可获得一套完整的评估流程模板。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。