Every 用个人基准测试替代纯感觉评测
来自 Dan Shipper · 期号 2026-09-12
摘要
Every 创始人 Dan Shipper 认为，更好的基准分数并不能说明模型在实际工作中的表现。 过去三年，Every 团队一直通过「感觉测试」来评估新模型：基于实际工作上手测试，写出长篇评测。 现在他们更进一步，由 @hammer_mt 和 @nityeshaga 搭建了一个内部平台，让每个人都能基于自己的日常工作创建个人基准测试，让评测从纯感觉走向量化。
来自 Dan Shipper · 期号 2026-09-12
Every 创始人 Dan Shipper 认为，更好的基准分数并不能说明模型在实际工作中的表现。 过去三年，Every 团队一直通过「感觉测试」来评估新模型：基于实际工作上手测试，写出长篇评测。 现在他们更进一步，由 @hammer_mt 和 @nityeshaga 搭建了一个内部平台，让每个人都能基于自己的日常工作创建个人基准测试，让评测从纯感觉走向量化。
本站只做摘要与索引，全部内容版权归原作者所有。