Panahi公开大模型重复评测结果
热点事件持续更新
Panahi公开大模型重复评测结果
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Maziyar Panahi 公开了一套大模型重复评测方法：在1273道题上，即使将温度设为0并开启推理，两次运行仍有45题答案变化，因此改为运行3次取中位数，评测分数在94.1%至95.0%之间浮动。 该评测要求模型以“Answer: X”结尾以便解析，推理服务由Baseten提供，单题平均耗时2.8秒。这表明参数相同的单次运行仍可能产生不同答案，其结果不能完全替代重复运行。
AI 根据报道生成 · 3 小时前更新
最新进展10月25日 23:31
1273 题 LLM 评测在温度 0 下仍有 45 题答案变化报道时间线
沿着报道，了解事件的不同侧面。
10月25日
- AGI Hunt1273 题 LLM 评测在温度 0 下仍有 45 题答案变化
Maziyar Panahi 在 1273 道题的 LLM 评测中发现，即使将 temperature 设为 0 并开启 reasoning，两次运行仍有 45 题答案变化。他要求每个回答以 "Answer: X" 结尾以便解析，并改为运行 3 次取中位数，分数在 94.1% 到 95.0% 之间浮动。推理服务由 Baseten 提供，单题平均耗时 2.8 秒。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月26日 00:00
- 近 24 小时变化
- –
02.557.510
10月26日01:0002:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。