文章
全部内容 · 共 5 篇 · 最新在前
模型家族与选型
RAG 评测集的最小可用标准
本文梳理RAG评测最小可用标准,涵盖答案正确性、归因一致性、检索召回及对抗鲁棒性四层机制,强调自建评测集需分层抽样与版本管理,警惕公开指标跨域迁移风险。
浏览 25 次
2026-10-28 →
模型家族与选型
SWE-bench 之后:编码 Agent 评测如何避免刷榜
本文剖析SWE-bench及Verified子集在编码Agent评测中的刷榜风险,指出答案泄漏、成本偏差及过程黑箱问题,提出通过固定环境、轨迹审计与成本调整通过率构建可信评测体系。
浏览 28 次
2026-10-28 →
模型家族与选型
GPT-5 架构拆解——稀疏注意力、MoE 与记忆管理
GPT-5 架构的公开信息梳理与推断。基于官方口径与逆向分析,讨论稀疏 MoE、动态注意力、显式思维三方面推断,说明其对应用适配的工程影响。
浏览 64 次
2026-09-22 →
模型家族与选型
Qwen3.8 规格对比与选型 — 27B / 2.4T-A95B / Max
Qwen3.8 三档模型(27B/2.4T/Max)怎么分、参数差在哪、各自适合什么场景,附官方入口。
浏览 111 次
2026-09-21 →