แท็ก

#SWE-Bench

2 บทความ

UK AISI: เบนช์มาร์กมาตรฐานประเมิน AI agent ต่ำกว่าความจริง — ให้โทเคนมากขึ้น ความสามารถพุ่งขึ้นชัด
งานวิจัย

UK AISI: เบนช์มาร์กมาตรฐานประเมิน AI agent ต่ำกว่าความจริง — ให้โทเคนมากขึ้น ความสามารถพุ่งขึ้นชัด

UK AI Security Institute ชี้ว่าเบนช์มาร์ก agent ที่จำกัดงบโทเคนตายตัวประเมินความสามารถโมเดล 'ต่ำกว่าความจริงอย่างเป็นระบบ' — เมื่อเพิ่มงบจาก 1M เป็น 10M โทเคน อัตราสำเร็จงานเขียนโค้ดพุ่งราว 25% และควรวัดความสามารถเป็น 'เส้นโค้งเทียบกับ compute' ไม่ใช่ตัวเลขเดียว

· อ่าน 6 นาที
Meituan เปิดตัว LongCat-2.0 — โมเดล MoE 1.6 ล้านล้านพารามิเตอร์ ใบอนุญาต MIT ฝึกบนชิป ASIC จีนล้วน ไม่ใช้ Nvidia
โมเดลใหม่

Meituan เปิดตัว LongCat-2.0 — โมเดล MoE 1.6 ล้านล้านพารามิเตอร์ ใบอนุญาต MIT ฝึกบนชิป ASIC จีนล้วน ไม่ใช้ Nvidia

Meituan ประกาศ LongCat-2.0 โมเดล MoE ขนาด 1.6 ล้านล้านพารามิเตอร์ (active ~48B/token), context 1M token, ใบอนุญาต MIT — เป็นโมเดลที่เคยครองอันดับ coding บน OpenRouter แบบไม่เปิดตัวในชื่อ 'Owl Alpha' และฝึกบนคลัสเตอร์ ASIC ในประเทศจีนล้วนโดยไม่ใช้ Nvidia (weights ยังขึ้นว่า 'coming soon').

· อ่าน 6 นาที