TAG · 主题
共 2 篇文章。沿着这条枝蔓继续往下读。
参数和榜单当然值得看，但我更关心模型能不能把一项长任务稳定地做完。
最终答案只能告诉我任务成没成，执行轨迹才说明问题究竟出在模型、工具还是 Harness。