第三百八十四章 双标（2/2）

请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。

以他的权限，只能看到分数结果，对测试内容一无所知。

合作方唯一能接触到的，是内部公告，以及关于会议议程、测试流程的一些统一邮件。

偷测试集？他难道是商业间谍吗？如果是，直接偷模型不好吗，为什么要偷一个没什么用的测试集？

现在理查德不仅要作废排名第一的测试结果，还要把提前泄露考题的黑锅扣到他头上？

林伟伦冷笑一声，说：“科尔曼教授，你的指责令人发笑。如果你执意执行这样的决定，我会代表新加坡国立大学退出这次合作。”

林伟伦这话只是在虚张声势。他只是个教授，不是校长，更不姓李；只因专业对口才担任合作方负责人，根本没有权力决定退出合作。

理查德果然没被吓住，微微一笑：“林教授，请便吧。”

林伟伦没等会议结束，便直接走出会议室，一路回到自己的办公室。

回到办公室，他又拿出测试结果分数看了一遍。

以往的模型测试集，主要集中在知识、数学能力、编程能力、理解能力和推理能力等方向。

但因为智能体应用最近爆火，AIFoundations这一次的测试集特意侧重长程任务能力，而且占比极高：总分一百分的测试题中，有三十五分与长程任务管理有关。

当然，这里说的分，并不是像学生做卷子那样，四个选项里蒙一个，对了就拿分。具体测试过程相当复杂：每一题都要完成一个跨度长达几个小时、经过很多步骤才能完成的任务，最后成功才能拿到一分；有时甚至要重复多次验证稳定性，取平均分。

在这样的新标准下，公开模型的评分普遍不算太高。

之前霸榜很久的汤圆0.9，只有70.2分。

Gei的新模型最终得分70.8分，OpenAI的GPT-V-II最终得分71.7分。

分数第二高的金星模型2.0，得分72.3分。

彼此咬得很紧。

只有汤圆1.0，得分93.5，比第二名领先二十多分。

说实话，领先到这个程度，林伟伦也不理解。

但正因为不理解，他更不能接受理查德等人毫无理由的打压。打不过就改规则？这些傲慢的西方人。

林伟伦翻出源智科技参会成员的联系方式，决定等对方到了之后，亲自过去交流一下。

至少要让他们知道自己受到的不公正待遇。

如果他们需要帮助，林伟伦也做好了准备。

另一边，理查德刚刚接通和硅谷的电话。

电话那头是NexAI的CEO瑞恩。

“测试成绩你看到了吗？”理查德一边喝红茶一边说，“恭喜你啊，瑞恩，这次你可是堂堂正正地打败了山姆。”

“看到了，还要多亏老师你的指点。”瑞恩说。

在学术生涯中，瑞恩曾与理查德有过友好的学习关系；这段关系一直保留下来，在他创业过程中也起到了很大帮助。

就拿这次来说，如果没有理查德在大方向上的指点，甚至点出某些极为具体的技术挑战，金星2.0的研究方向肯定也会优化长程任务；但效果能不能有现在这么好，瑞恩也不敢保证。

“很好，听说MCP最近的推广也很有成效，我为你自豪。”理查德在电话里笑了两声，“期待在新加坡见到你展示最新成果。我知道，你的对手，那个汤圆协议公司的人也会来；但是你放心，你会得到我的支持。”

理查德没有提汤圆1.0。

毕竟他真心认为，这个模型作弊了。大部分顶级模型之间的差距都在一两分之间，这个模型一次高出二十分去，除了作弊，他想不到别的原因。

虽然理查德也没想通他们是怎么作弊的，但这不重要。

电话挂断后，瑞恩靠在老板椅背上，把双脚翘上办公桌桌面，鼻子里哼起了意大利小曲。

NexAI最新模型的能力，超过了OpenAI最新模型。

值得纪念的一天。

什么叫技术储备啊？这就是技术储备！