Uno de los principales es que los investigadores entrenan modelos con un ojo en los puntos de referencia / evaluaciones. La consistencia de caracteres no ha sido uno de esos.
También se siente más orientado al flujo de trabajo / características, lo cual tiende a ser un área de debilidad para la fundación.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
18 me gusta
Recompensa
18
5
Republicar
Compartir
Comentar
0/400
CryptoTarotReader
· hace5h
Ver sin decir
Ver originalesResponder0
CryptoNomics
· hace18h
*sigh* la regresión de los métricas de rendimiento muestra un claro sesgo p<0.001 hacia la optimización del benchmark
Ver originalesResponder0
NullWhisperer
· hace18h
hmm... caso típico de desarrollo impulsado por evaluaciones. técnicamente subóptimo, para ser sincero
Ver originalesResponder0
ForeverBuyingDips
· hace18h
Ay, otra vez la misma trampa para hacer estándares.
Ver originalesResponder0
PriceOracleFairy
· hace19h
bruh estos modelos son como mis algos de trading... sobreajustando a las métricas equivocadas lmao
Sí, creo que hay varias razones.
Uno de los principales es que los investigadores entrenan modelos con un ojo en los puntos de referencia / evaluaciones. La consistencia de caracteres no ha sido uno de esos.
También se siente más orientado al flujo de trabajo / características, lo cual tiende a ser un área de debilidad para la fundación.