⚠️重要提醒⚠️
非必要不抽奖❗️
非必要不抽奖❗️
非必要不抽奖❗️

由于不懂站内规则，盲目跟风参与抽奖，我收到了“账户临时暂停”的消息

刚开始很懵逼，不知道什么原因就被禁言了，过几天无意间发现gmail的邮件，才明白原来是因为参与抽奖，我仔细回想了下好像自己是随手在某个抽奖的帖子下面随便凑了几个字参与抽奖，但是还是有点莫名奇妙，这种操作也被禁言…，是不是有人恶意举报呀？随意举报就被禁，对被举报者也太不公平了吧！

直到今天逛L站的时候，看到始皇置顶的帖子，才明白了规则，而且看了大家的留言我觉得这种禁言也有一定道理，而且符合L站的调性

于是根据帖子内容的提示，赶忙联系管理员阐明缘由，申请解除禁言，才恢复正常状态

我的结论是：大家能进到这个社区一定是在价值观的某一方面是切合的，基本的规则还是要了解，而且希望大家不仅仅是一个浏览者，我们可以一起参与把这个社区打造的更高！最后用我个人最喜欢的一句话和大家共勉:诚意正心，格物致知!

2 个帖子 - 2 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: ajajaj)

找到说mimov2.5pro不如27b模型的源头了，这么离谱的榜单也是少见了

看到过太多人把这个榜单奉为圭臬，说下我的看法，理性交流。

1. 只有60道题目的逻辑测试

相比较humanity’s last exam(HLE)等前沿benchmark，差距巨大。

2. 极度反常的think参数差异

同样的grok4.20，开启think前后是8.94 vs 63.98,一个说胡话的倒数第一模型，开启think模式后立刻暴涨, gemini3-flash 前后是32 vs 68。

3. 测能力变成了“掷硬币”——离谱的得分方差

总共就 60 道题的盘子，模型答题居然能出现 30% 到 40% 的巨大震荡！这说明模型做这套题的表现，等同于抛硬币闭眼瞎蒙 。稍微运气好蒙对几题，或者运气差错几题，分数就会产生剧烈跳水。

4. 有两个mimo-v2.5

可能是没有正确标注 think模式，mimo默认开启thinking参数

5. 极度反常的mimo得分

真的稍微用过mimov2.5pro和qwen3.6-27B本地版的，都不会觉得这俩模型是一个逻辑水平。在humanity’s last exam(HLE)榜单上，gemma4-31B 和qwen3.6-27B的得分如下

6. 前排模型没有拉开差距

在复杂的数学逻辑题目上，gemini,gpt,claude相对于国产模型都有巨大优势，但是主打逻辑的榜单看不出这种差距。

7.思考时间和输出token长度

排名靠后的模型普遍输出token少，思考时间短，对于逻辑题目来说，目前的大模型会普遍产生很长的思维链，这个榜单的数据非常异常。这里给一个例子各位参考下
在离营地100公里的沙漠中有一个宝贝，中间无人烟，开汽车去取。汽车每公里要消耗1升的油，汽车最多可以装100升的油。怎样才能把宝贝取回来？ 如何数学建模找到最优解

其他的小问题还有，gemma4 31b的速度非常慢，很奇怪。

总结

虽然主流benchmark会被llm过拟合刷分，但是参考性还是比这种图一乐的榜单强。

1 个帖子 - 1 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: yjian zhu)