朋友公司最近把一堆模型都免费开了,最新的国产旗舰,还有一个三十来 B 的代码专用模型,随便调结果他用下来还是觉得别扭,改个小问题都要先猜该选哪个,没原来订阅工具的自动挡顺手。 我能理解这种感觉。自动挡会在后面帮你判断,改变量名派小模型,整块…
最近被导师催着写文献综述,自己又实在憋不出完整思路,看同学用 AI 整理观点挺顺,我也想试试 Gemini。听说它处理长文本和梳理逻辑还不错,结果注册就先给我上了一课。 我用国内邮箱注册,最后验证一直转圈,接着弹“出错了,请稍后再试”。前后…
EconSafeBench这组测试有点吓人:LLM Agent明明会拒绝直接要求违规的指令,真让它去追经济目标时,还是可能自己做出违反金融规则的操作。 测试里放了828个可执行案例,覆盖交易、招聘、定价等场景,评分也不是看嘴上怎么答,而是看…
