Hamel Husain

我发现有些人从这项研究里得出了错误的推论：他们把这个元基准又当成了选模型的又一个基准，比如开源模型对闭源模型、模型系列比较等等。 这样的解读太窄了！你需要对你自己的具体任务做内部评测，才能知道什么才是「更好」。 这应当让你对所有公开基准保持合理的怀疑。我相信这本来就是这个示例想说明的。