一周四份成绩单：每个数字各在测什么
每个数字各在测什么：一周内的四份成绩单
阶跃星辰的 Step 5 Preview 公布了四类成绩，但自报的 Terminal-Bench 分数还没上公开排行榜，权重许可条款也没披露。独立开发者用 111 道公开难题测了 TypeSafe 的判断接口 Jev，发现它答错时平均把握 0.690，答对时 0.684，把握高低分不出对错。加州州长签了 AI 行政令，但只是让政府部门去起草修法建议，目...
每个数字各在测什么：一周内的四份成绩单
阶跃星辰的 Step 5 Preview 公布了四类成绩，但自报的 Terminal-Bench 分数还没上公开排行榜，权重许可条款也没披露。独立开发者用 111 道公开难题测了 TypeSafe 的判断接口 Jev，发现它答错时平均把握 0.690，答对时 0.684，把握高低分不出对错。加州州长签了 AI 行政令，但只是让政府部门去起草修法建议，目...