熱點事件持續更新
ENEM 2024基準測試未能分出三款模型勝負
1 篇報道1 個報道來源8 小時前更新
先了解這件事
AI 綜述
作者以 ENEM 2024 的 73 道巴西葡萄牙語文字題建立 LLM 基準，測試 Qwen3.8 27B、GPT-OSS 120B 及 GPT-OSS 20B。Qwen3.8 27B 以 97,0% 排名第一，但三組逐題配對差異的 95% 信賴區間均包含 0；作者指出，73 道題不足以判定模型勝負。評分時，作者把 GPT-OSS 20B 的兩道空白回答改列為模型失敗，並計 0 分。本輪測試不涵蓋作文或語用能力。
AI 根據報道生成 · 8 小時前更新
最新進展11月5日 23:41
測試中 Qwen3.8 27B 得分最高，但 73 道題不足以判定三款模型勝負。報道時間線
沿着報道，瞭解事件的不同側面。
11月5日
- DEV Community作者以 ENEM 2024 基準測試 LLM，三個模型統計上不分勝負
作者以 ENEM 2024 的 73 道文字題建立巴西葡萄牙語 LLM 基準，測試 Qwen3.8 27B、GPT-OSS 120B 和 GPT-OSS 20B。Qwen3.8 27B 以 97,0% 排第一，但三組逐題配對差異的 95% 信賴區間均包含 0，73 題不足以判定勝負。作者亦把 GPT-OSS 20B 的兩道空白回答改列模型失敗並計 0 分；本輪測試不涵蓋作文或語用能力。
本事件熱度走勢
當前熱度 8·可比範圍峯值 10（11月6日 00:00）·近 24 小時可比範圍變化 –
趨勢僅比較持續完整觀測到的相同主體，範圍可能小於當前熱度統計。移動指針或點擊圖表查看每小時熱度；鍵盤可用左右方向鍵切換。