实验室内部模型与公开模型差距

我们目前还缺少一个很好的衡量指标，来评估各实验室内部最强模型的能力与公开发布的最强模型之间的差距。我怀疑，在过去一年里，这一差距已经大幅扩大，尤其是在 Fable 被暂时封禁之后。