#假设检验

开源模型Fisher-R1专治假设检验，比GPT-5.4和DeepSeek-V4-Pro都强，最难任务能提26%，搞数据分析的可以看看。

如果你搞模型评估设计，这篇理论文章用严格上下界讲清楚了交互测试比固定测试省多少查询：最多二次方，不是指数级。