作者支持 ABBEL，报告其通用重建式信念分级器可将与全上下文模型的性能差距缩小约 50%，并显著降低内存使用量。
Jakob Bjorner, Aly Lidayan, Satvik Golechha, Kartik Goyal, Alane Suhr ·
查看观点与证据观点里的产品与物品
提及清单
从内容中找到产品、网站和物品。看看谁支持、质疑或只是提及，并回到原始证据。
显示 33 / 33 项
Cohere 团队将 Azure Search 用作 High Finance 基准测试中 Compass 的基准对照，仅报告其得分（64.8），未对其本身作出超出相对性能的评价。
Cohere Team ·
查看观点与证据Base44 的 Gabriel Grinberg 表示，Claude Sonnet 5.5 在 118 次真实应用构建中与 Opus 5 达到同等评分，平均仅需 3.6 次迭代（Opus 5 为 7.7 次），且工具调用失败更少、中途停顿提问也更少。
Gabriel Grinberg ·
查看观点与证据Cohere 团队报告称，Compass 在 High Finance 基准测试中相较 Azure Search 准确率提升了 14–16 分，并指出这一差距对终端用户答案质量具有决定性影响。
Cohere Team ·
查看观点与证据Gemini在此摘录中仅作为Google DeepMind与Isomorphic Labs四步安全流程中的一个示例模型被提及，未对该模型本身作出明确的评价性判断。
Google DeepMind, Isomorphic Labs ·
查看观点与证据该摘录指出，运行在NVIDIA Blackwell GPU上的GPT-6 Astra Ultrafast现已在OpenAI API中提供，并面向符合条件的ChatGPT Work和Codex用户开放。
Dion Harris ·
查看观点与证据Harvey 团队指出，Harvey Review Tables 特别适用于赔偿条款中数值型条款（如上限、门槛值、存续期）的并排比对，可跨协议提取离散数据点。
Harvey Team ·
查看观点与证据作者支持 Holo4，将其定位为一个新型代理模型系列，通过 H Models API 提供两种规格（27B 密集型和 35B-A3B 混合专家型）。
Maxime Theillard, Frederic Renard, Vincent Coyette, Emrick Sinitambirivoutin, Avshalom Manevich, Antonio Loison, Antoine Bonnet, Maxime Langevin, Aleix Cambray (H-AI), Léonard Benedetti, Tony Wu, Mats L. Richter, Michael Eickenberg, Sławek Mucha, Matthias Brunel, Daniel Beechey ·
查看观点与证据Lilian Weng 将 KernelBench 呈现为一个包含 250 个 PyTorch 任务的基准，用于评估大语言模型生成正确且快速 GPU 内核的能力，其核心指标为 fast_p。
Lilian Weng ·
查看观点与证据Lilian Weng 将 MLE-bench 描述为一个包含 75 个精选 Kaggle 竞赛的基准，用于评估机器学习工程智能体，Kaggle 公开排行榜作为人类基线。
Lilian Weng ·
查看观点与证据作者报告了其方法在 Apple Silicon 上 MLX 内核（Attention 和 Mamba SSM）的性能结果，将 MLX 视为目标运行环境，而非被批评或背书的工具。
Shiyi Cao, Gal Bloch, Assaf Toledo, Michael Factor, Gil Vernik, Joseph E. Gonzalez ·
查看观点与证据作者澄清，Open TTS排行榜使用ASR词错误率（WER）和说话人相似度等客观指标作为可懂度和语音身份保持性的代理指标，而非直接测量，并不取代人类偏好排序。
Eric Bezzam, Steven Zheng, Eustache Le Bihan, mrfakename ·
查看观点与证据Lilian Weng 将 RE-Bench 介绍为一个评估前沿 AI 智能体的基准，覆盖 7 个开放式的机器学习研究工程环境，并纳入人类专家表现数据用于对比。
Lilian Weng ·
查看观点与证据Lilian Weng 指出，在 Terminal-Bench-2 上演化的编排系统未经进一步演化即成功迁移到 SWE-bench-verified，表明其编码的是通用工程经验而非特定基准的优化。
Lilian Weng ·
查看观点与证据立场属于具体说话者在这段内容中的表达。数量仅描述本站已审核的集合，不代表产品评分或市场共识。