AI宝库

AI宝库首页 › AI 资讯 › 5个Qwen3.8-27B型号超越了功能 5 使用 GVS5H Harness

5个Qwen3.8-27B型号超越了功能 5 使用 GVS5H Harness

来源:Hacker News · 发布时间:10-25 · 由 AI宝库每小时自动聚合

文章 URL:https://github.com/slee-persis/GVS5H 评论 URL: https://news.ycombinator.com/item?id=50228167 互联网档案馆的存檔,存档日期2013-12-27. 要点:5# 评论:0

你签了另一个标签或窗口。 重新装入以刷新您的会话。 你在另一个标签或窗口里签字了重新装入以刷新您的会话。 您在另一个标签或窗口上切换账户。 重新装入以刷新您的会话。 解除警报

GVS5H:5个Qwen3.8-27B 在 LiveCode Bench 硬上匹配 Claude 第5号寓言的模型

GVS5H:大猩猩对5人

结果

Opus 5运行在更早的版本脚手架上,单行道通过OpenRouter服务,而不是5通被固定后端。

摘要。 边疆编码性能一般以更大型的专有型号以高成本购买。 我们采用基于分类账的零发自控方法,这是一种无训练方法,在一个模型的新实例中,通过持有计划,指出和当前解决方案的共享文件系统来分解问题并进行协调。 在100个最新的硬LiveCode Bench问题上,共有11个开放型和封闭型模型,这种方法在被固定后端产生25.6%的增益,提供了两条通往前沿准确度的路线。 管弦乐Qwen3.8 Flash Next达到93.0%通过@1对Fable 5的90.4%,成本为9%,本地服务,开放重量的Qwen3.8-27B从66.8%升至92.4%. 收益并不普遍:一些模型没有变化或更糟。 转写分析将收益归属于分解和持久性上下文。 推论时间组织可以以成本的一分之一接近前沿编码精度,或者在自负重上略为超过。

--engine多剂运行管理器;--engine单机是单调基准。

其他型号:anthropic:"model","破损镜":"model","openrouter:"model",各有自有的"* API KEY".

传出@ 1 分数印出在结尾。 结果写入运行/结果.json,工作空间写入运行/ws/.

许可证

密码是麻省理工学院的许可文件、数字和运行数据

CC BY 4.0 (英语). LiveCode Bench 叉,基准测试问题声明

和 LaTeX 模板文件保存自己的许可证。 参见Notice.md

哪个许可证覆盖哪条路。

关于

GVS5H:5个Qwen3.8-27B 在LiveCode Bench Hard上匹配Claude Fable 5的型号。..

本文由 AI宝库自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(github.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI宝库首页 · 提交工具 · 商务合作 · 关于本站 · 590 款 AI 工具分类导航 · 每日 AI 热门项目与动态