即將開始模糊發帖，關於某個東西的私人測試版

嘿 @kalomaze，看看新的 wandb 更新！

有2個來自不同來源的aime2024數據集的熱門上傳，以及1個來自aime2025的上傳，所有的答案表示格式選擇都有些微不同 :^)))

一旦我讓這20個不同的功能都順利運行，那就結束了 / 我們又回來了

雙子座的精神-2.5-專業版-03-25 在 gpt-5 中延續

K2 基準 - GPT-5 版本

在LLM自我對弈中，判別器的一個單一行動是「創建一個非常好的強化學習環境」

這並沒有靈魂，這可能是最好的選擇。

openai 可以成為一家多兆美元的公司，而不必真正推出 AGI。他們只需製作下一個微軟辦公室套件。

這個模型在游標上真的很棒。遵循指令的能力令人難以置信。非常字面，並在重要的地方提出反對意見。多任務處理得相當好。偶爾有幾個小錯誤/格式錯誤，但不算重大。代碼比o3的正常得多。讓人感覺值得信賴。