基准

M1 Bench

一个用于评估 AI 模型能力的基准测试。

时间轴 (近 90 天)

10月22日

Apple 和 EPFL 的研究在 M1 Bench 上得出了与 UC Berkeley 测试类似的结论：不同 Harness 对模型评测分数影响不大。

待验证50%

Apple 和 EPFL 的研究在 M1 Bench 上得出了与 UC Berkeley 测试类似的结论：不同 Harness 对模型评测分数影响不大。