三分之二能交付，就算好消息了？
速评：11 月 4 号 17:59 UTC 挂上 arXiv 的 ServerBench，最扎眼的数字不是那个 4.87 倍，是 22/33。 33 次运行，22 次交出了通过验证的系统。这行被作者写在结果那一段，跟「13 次超过最强基线」并排放着，语气是成绩。 我倒觉得这是整篇摘要里最诚实、也最刺人的一行。
ServerBench1 篇实战文章
速评：11 月 4 号 17:59 UTC 挂上 arXiv 的 ServerBench，最扎眼的数字不是那个 4.87 倍，是 22/33。 33 次运行，22 次交出了通过验证的系统。这行被作者写在结果那一段，跟「13 次超过最强基线」并排放着，语气是成绩。 我倒觉得这是整篇摘要里最诚实、也最刺人的一行。