capability-frontier

#capability-frontier

@withmartian：在 16 个最常用基准测试（TerminalBench、LiveCodeBench 等）中，我们比单一最佳大语言模型少产生了 46% 的错误……

X AI KOLs Following ↗ · 2026-09-03 缓存

一项研究表明，通过在 44 个大语言模型间分配请求，可在 16 个基准测试（如 TerminalBench 和 LiveCodeBench）上减少 46% 的错误，从而优化性能。

0 人收藏 0 人点赞