跳到正文
Computing Life · Share · 鸭哥调研

同一个模型差 20 分:DeepSeek 的 harness 依赖性和合成数据的隐藏天花板

DeepSeek V4 Flash 在自家极简测试环境里能拿 82.7 分,换到第三方脚手架直接掉到 46.7% 通过率,同一个模型差了 20 个百分点。

推荐理由:同一模型在自家极简环境得 82.7 分,换到第三方脚手架通过率降到 46.7%,这条评测对比把 harness 与合成数据对成绩的影响摆了出来。

读原文 ↗导出 Markdown