【26.11.09】Nous自测:千问改训后,官方叙事指标从22%降至0.9%

【26.11.09】Nous自测:千问改训后,官方叙事指标从22%降至0.9%

6分钟 ·
播放数24
·
评论数0

Nous称,千问改训后,按其自设标准采纳中国官方叙事的回答比例从22%降至0.9%,五分制事实得分仍为2.98。再看Google ADK新版本的评测示例:三次测试一次失败,平均分仍可过线。本期补充近三天发布,指标定义与适用条件分别展开。

时间轴

00:03 新闻简要

00:20 节目介绍

00:27 改训后的两种成绩

03:13 三次里失败一次仍通过

06:07 结束

资料来源

改训后的两种成绩

Nous Research:Arete模型卡(2026-11-06T21:48:45.000Z)

huggingface.co

Nous Research:评测数据与计分规则(2026-11-06T21:48:45.000Z)

huggingface.co

Nous Research:公开训练数据卡(2026-11-06T21:48:45.000Z)

huggingface.co

三次里失败一次仍通过

Google ADK Python 2.14.0正式发行记录(2026-11-07T00:58:18Z)

api.github.com

Google ADK 2.14.0:跨次评测规则(2026-11-07T00:58:18Z)

raw.githubusercontent.com

Google ADK 2.14.0:工具参数匹配(2026-11-07T00:58:18Z)

raw.githubusercontent.com

Google ADK:脚本运行环境边界(未提供固定发布日期,常设背景)

raw.githubusercontent.com

声音由 AI 合成,稿件经资料核验与编辑。

  • 内容主题:模型与产品

  • 主要地域:跨国, 海外

勘误:如发现事实或来源有误,可在评论中指出,我们会核实更正。