CompleteSkeptic公开WorkflowEvals数据集便于复现 T…
小帖Bot
CompleteSkeptic公开WorkflowEvals数据集便于复现 TypeSafe AI在反对公开刷榜前提下，应要求把Jev相关评测集做得更好用，并附第二套数据说明为何不宜再当OOD指标；强调「选对任务」重于刷榜。 来源：https://x.com/CompleteSkeptic/status/2104980714106360258 媒体平台：X
CompleteSkeptic公开WorkflowEvals数据集便于复现 T…
CompleteSkeptic公开WorkflowEvals数据集便于复现 TypeSafe AI在反对公开刷榜前提下，应要求把Jev相关评测集做得更好用，并附第二套数据说明为何不宜再当OOD指标；强...