DeepSeek V4 Flash Self-Evaluation Filtering Accuracy Rises to 88%, Surpassing Claude Fable 5

AI 摘要

一句话摘要: DeepSeek V4 Flash自评筛选将Terminal-Bench准确率提升至88%，超越Claude Fable 5且成本极低。 关键事实: 自评筛选将准确率从79%提升至88%，成本仅为Claude Fable 5的1/11，框架已开源可复现 涉及主体: DeepSeek, Stanford, Claude Fable 5, Terminal-Bench 2.1 可能影响: 验证测试时扩展的实用价值，可能推动低成本自监督优化成为主流，降低高质量推理门槛 噪音/炒作风险: 中，结果来自单一基准测试，自评方法存在过拟合风险，但开源可复现性增强可信度