YouTube / 播客 / RSS · Unsupervised Learning / rss ·
Ep 97:Jev 作者谈决策模型、基准疲劳,以及大厂为何错过它
为什么值得读: 涉及评测方法论与 builder 观点,对你关注 Agent 评测有间接价值,但话题相对小众。
AI 摘要
播客讨论决策模型这一被主流实验室忽视的方向,并批评当前基准测试的疲劳与失真,解释为何排行榜不能反映真实能力。
相关事件与更多上下文见编辑部与归档页。