EXM7777建议用日常任务自建模型基准

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，用来比较新模型是否优于当前日常主力模型。他认为，公开榜单往往覆盖用户很少执行的任务，自建基准更能反映模型在真实业务中的表现。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。