Chinese contentKierstonBench：用 Allentown 全城模拟评测大模型刑侦与监控能力
给 Allentown 12.5 万居民造了一套假档案来考 AI 办案，16 个模型里大多数不及格，连前沿模型也会被骗。
#语言模型评测
1 stories · 1 in 7 days · 1 in 30 days
Stories, products and papers tagged "语言模型评测", newest first.
Nov 4
给 Allentown 12.5 万居民造了一套假档案来考 AI 办案，16 个模型里大多数不及格，连前沿模型也会被骗。