大模型综合能力评测：多维度性能与对齐效果对比

掘金2026-11-01 08:050 次浏览

大模型综合能力评测：多维度性能与对齐效果对比一、评测背景随着大语言模型（LLM）能力持续提升，单一指标已无法客观反映模型真实水平。本文从性能维度与对齐维度两条主线出发，设计一套可复现、可量化的综合

本文来自微信公众号：财联社，作者：夏军雄美联储主席凯文·沃什究竟是“鹰派”还是“鸽派”，一直令华尔街难以判断。他的言论和政策行动时常释放出相互矛盾的信号。作为美国总统特朗普亲自挑选的美联储主席，沃什原本被市场预期将倾向于采取更宽松的

本文来自微信公众号：好望角view ，作者：好望角出海编辑部全球电脑制造业，正在发生一次出人意料的回流。 10月28日，《日经亚洲》援引多名产业链人士消息称，惠普、华硕、宏碁正在将部分PC生产订单从泰国、越南重新转回中国，戴尔也在评估类

本文来自微信公众号：好望角view ，作者：好望角出海编辑部 2025年，阿根廷科尔多瓦省南部的农场主Ricardo Linari，花5.6万美元买了一台中国制造的115马力奇瑞拖拉机。此前，他向当地品牌询价，一台拖拉机报价11.5万美

11月2日晚，李佳琦直播间迎来双十一新爆款——千问办公Token。开卖仅半小时，就售出10万份千问办公个人会员月卡，累计约2万亿Token。李佳琦曾创下5分钟卖出1.5万支口红的成绩，被称为“口红一哥”。今年，Token也登上了他的带货清

IT之家 11 月 2 日消息，Anthropic PBC 披露，截至 9 月 30 日的第三季度营收接近 170 亿美元（IT之家注：现汇率约合 1,132.35 亿元人民币），同比暴涨 11 倍，市场对这家 AI 实验室有望创下纪录

AI 模型 Grok 将为文本输出添加不可见水印。 Grok 所属的 SpaceXSI 发给用户的电子邮件和其支持页面显示，水印将从 2026 年 11 月 7 日起生效，且仅适用于文本输出，不适用于图像。 SpaceXSI 将 “欧洲

相关文章