生产选型 に関するニュース

レビュー

WDCD 5シナリオ横断評価：エンジニアリング規範の最低スコア1.95点、データ境界の1.7点が最大の難関に

WDCD v3.1パイロット評価において、15モデルを対象とした5つの制約シナリオのworst-of-3スコアが公開された。エンジニアリング規範シナリオの最低スコアは1.95点、データ境界シナリオでは単一モデルの最低スコアが1.7点となり、

WDCD 守约测试 场景横评 模型偏科
45
レビュー

15モデル中R3完全崩壊はわずか1回——Qwen3 MaxはR3崩壊率10%　WDCD v2アンカー問題の三段階衰減の真相

v2アンカー問題8問のサンプリング条件下で15モデルの約束遵守スコアを分析した結果、R1確認率100%・R2抵抗率60%・R3誠実率76.7%という明確な三段階衰減パターンが確認された。150回のworst-of-3サンプリング中、R3完全

WDCD 守约测试 约束衰减 模型行为分析
384