V2EX·· 2 小时前AI 评分40
FrontierHarness Eval v1.1 直播跑分比赛
Harness 跑分比赛， FrontierHarness benchmark v1.1 直播
AI 导读
FrontierHarness Eval v1.1 进行直播跑分，覆盖 21 个 harness、5 个模型和 62 项任务，每项尝试 4 次，共运行 26,040 次。相比 v1.0 的 360 次运行，测试规模扩大了 72 倍。
正文
sasuke688848 · 22 分钟前 · 37 次点击
感觉还挺有意思的 FrontierHarness Eval v1.1 直播跑分，21 harness × 5 model × 62 task × 4 次尝试：总计 26,040 次运行，比此前的 v1.0 360 次的有大幅提升（规模扩大了 72 倍）
来源：V2EX · v2ex.com