https://github.com/petergpt/bullshit-benchmark
这个 Bullshit Benchmark 挺好玩的，测试模型是否能够意识到人类提供的问题是无稽之谈。Claude 又屠榜了 🔥
Post #1001
1.54K
- Oct 1, 2026https://56k.rip/
- Sep 11, 2026https://sunilpai.dev/posts/the-task-isnt-the-job/
- Jul 25, 2026https://alexzhang13.github.io/blog/2026/harness/ > A good harness is a harness that reduce…
- Jul 6, 2026https://linghao.io/posts/taxonomy-differences-matter 以前觉得 taxonomy 只是无聊的分类学，开始做 LLM qualit…
- Jun 28, 2026关于层出不穷的各式 AI memory system 的一些思考：我们应该把更多的精力放在设计更好的 eval 上，从而让最强的 memory system 进化出来 https:…
- May 17, 2026https://arxiv.org/abs/2503.02113 The core idea: Deep learning does not work because neural…