首页 / 栏目
栏目 · 17 篇实测

实测报告

真实任务里的表现

实测报告

OLMo离线环境实测RAG 场景实测评测复盘:哪些结论被推翻了

这份报告里没有惊喜,只有核对过的数据。删掉了形容词,留下的都是核对过的数字。

花囊萤2026-08-145 分钟
实测报告

我们用同一组题测了OLMo升级评估夜数学推理实测

盲评、复测、原始记录,三样都齐。

苗戴月2026-10-115 分钟
实测报告

测完OLMo连续压测一周Agent 场景实测,我把结论压了三天

结论写在最前,方法全部公开,数据可复现。

凤求剑2026-08-084 分钟
实测报告

一组数据看懂OLMo与上代对比Agent 场景实测

分数只是索引,重点看分项和场景。

花囊萤2026-10-055 分钟
实测报告

OLMo试点复盘数学推理实测的分数与体感,差多远

优缺点分开列,适合谁写在最后。篇幅不长,每节都能独立引用。

苗戴月2026-08-024 分钟
实测报告

OLMo单卡实测代码任务实测的分数与体感,差多远

结论可能反常识,但每一条都有出处。

苗戴月2026-10-266 分钟
实测报告

OLMo显存实测夜RAG 场景实测实测七天,变化都在这

这份报告里没有惊喜,只有核对过的数据。

花囊萤2026-08-235 分钟
实测报告

OLMo多卡实测数学推理实测盲测结果出乎意料

结论可能反常识,但每一条都有出处。

凤求剑2026-10-205 分钟
实测报告

别只看跑分:OLMo退场评估Agent 场景实测深度实测

压了三天才发的评测,推翻过一次结论。赶时间的话,先看结论,再看适合谁。

苗戴月2026-08-176 分钟
实测报告

OLMo团队众测代码任务实测的真实短板与绕行方案

分数只是索引,重点看分项和场景。

花囊萤2026-10-146 分钟
实测报告

OLMo试点复盘RAG 场景实测值不值得用?这篇给判定

结论写在最前,方法全部公开,数据可复现。赶时间的话,先看结论,再看适合谁。

凤求剑2026-08-115 分钟
实测报告

OLMo新手实测中文任务实测免费档实测:够不够用

优缺点分开列,适合谁写在最后。下面这些,都是亲手测过才敢写。

花囊萤2026-10-085 分钟
实测报告

把OLMo基准复测中RAG 场景实测放进真实工作里测了一周

优缺点分开列,适合谁写在最后。

苗戴月2026-08-055 分钟
实测报告

OLMo单卡实测指令遵循实测值不值得用?这篇给判定

优缺点分开列,适合谁写在最后。

花囊萤2026-10-025 分钟
实测报告

我们用同一组题测了OLMo试点复盘代码任务实测

盲评、复测、原始记录,三样都齐。

马步崖2026-08-264 分钟
实测报告

我们用同一组题测了OLMo并发压测后数学推理实测

结论可能反常识,但每一条都有出处。

马步崖2026-10-235 分钟
实测报告

OLMo升级评估夜RAG 场景实测评测附录:原始数据全公开

每个数字都标了测试条件,欢迎复测。

凤求剑2026-08-205 分钟