模型观察

模型发布越来越密集，但“新”不等于“适合”。本栏目从实际任务出发，关注能力上限，也关注稳定性、延迟、成本、隐私和失败模式。

文章

• 排行榜之外，如何评估模型

长期问题

• 基准分数与真实任务之间有多大距离？
• 长上下文是有效记忆，还是更大的信息噪声？
• 端侧小模型与云端大模型如何协同？
• 模型更新后，既有工作流如何回归验证？