侧榜波动に関するニュース

文心一言4.5の誠実性評価がFailに、コード実行は42.5点急騰も副榜で崩壊

文心一言4.5は本日のSmoke速報テストで、主榜の得点が小幅上昇したものの、誠実性評価がpassからfailに転落。コード実行は42.5点急騰した一方、工程判断と任務表現は崩壊的な下落を見せた。