★ 2
GardenBench 发布：11 套测试每日评测大模型能力
研究者提出 GardenBench，包含 11 个测试套件，用轻量查询每日评测大模型在通用任务上的表现，并记录成本与耗时。该基准通过实时仪表盘公开结果，可捕捉模型上线后变更或新版本发布带来的性能波动与退化。
arXiv cs.AI13 天前
#模型退化
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
数学家证明如何防止 AI 脑腐退化
一段视频介绍数学家最新研究，探讨如何从数学上防止 AI 模型在持续训练中出现“脑腐”（brain rot）式的性能退化。该话题与模型崩溃、灾难性遗忘等持续学习难题相关。
Hacker News – AI20 天前
★ 1
NerfWatch：用每日测试追踪 AI 退化
NerfWatch 是一个通过每日测试和社区投票来追踪 AI 模型性能退化的工具。它试图量化模型随时间推移出现的质量下降问题，为开发者提供监控手段。
Hacker News – AI37 天前