Alexander Doria（@Dorialexander）のスレッド

ついに、合成演習に基づく体系的な評価が、アーキテクチャ評価の標準となりつつあります（Kimi-Linearより）。この道を先導してくれたPhysics of Language Modelsに深く感謝します。

HellaSwag の暗黒時代から一歩ずつ抜け出しています。