北京
分享至
一个模型在综合智能测试里只拿了44分，却在真实世界任务中把一堆分数更高的对手踩在脚下。Apodex 刚发布的专有模型 Apodex 1.1，就制造了这么一出反差。
在 Artificial Analysis Intelligence Index 上，它的得分是44，谈不上亮眼。但换到衡量真实世界智能体工作的 GDPval-AA v2 上，它直接冲到1,348 Elo，超过多个通用智能分数更高的模型。
分数低，干活却猛
这种"考试不行、实战能打"的错位，指向一个老问题：综合指标和真实任务表现之间，可能没那么强的关联。Apodex 1.1 的选择，像是把宝押在了"把事情办成"而不是"把题答对"上。
对开发者来说，这倒是个提醒——挑模型别只看一个总分，得看它在你那个具体场景里到底行不行。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
