共 2 篇
红帽拿 9 个护栏模型、两类安全任务做对比，想验证「决策模型更快更便宜」的说法。结果是被寄予厚望的 Jev 没有稳定胜出，一个 125M 的小分类器用 33 毫秒拿到接近满分。
有人造了一门对模型不友好的语言 KillSwitch，用隐藏规则和字母计数卡模型，最高分只有 66.8。这篇讲它测出了什么，以及分数低为什么不等于模型笨。