一直觉得DS在关键基准测试指标中，尤其是装进Agent后的体验与Top3的模型相差不多，当把AA、Vals、Epoch、tbech、swebech、DC的测分与厂商自测拉出来进行交叉验证时，差距和可信度就有了支撑！居然还挖到了宝。#ai大模型# ​