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)
Nous Research:评测数据与计分规则(2026-11-06T21:48:45.000Z)
Nous Research:公开训练数据卡(2026-11-06T21:48:45.000Z)
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)
Google ADK 2.14.0:跨次评测规则(2026-11-07T00:58:18Z)
Google ADK 2.14.0:工具参数匹配(2026-11-07T00:58:18Z)
Google ADK:脚本运行环境边界(未提供固定发布日期,常设背景)
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。
