Saya bermain dengan Gemini 3 kemarin melalui akses awal. Beberapa pemikiran - Pertama, saya biasanya mendesak untuk berhati-hati dengan tolok ukur publik karena imo mereka bisa sangat mungkin untuk dimainkan. Ini bermuara pada disiplin dan pengendalian diri tim (yang sementara itu sangat diberi insentif sebaliknya) untuk tidak terlalu fit set tes melalui senam yang rumit atas data yang berdekatan dengan set tes di ruang penyematan dokumen. Secara realistis, karena semua orang melakukannya, tekanan untuk melakukannya tinggi. Bicaralah dengan modelnya. Bicaralah dengan model lain (Ride the LLM Cycle - gunakan LLM yang berbeda setiap hari). Saya memiliki kesan awal yang positif kemarin di seluruh kepribadian, penulisan, pengkodean getaran, humor, dll., Potensi pengemudi harian yang sangat solid, jelas LLM tingkat 1, selamat kepada tim! Selama beberapa hari/minggu ke depan, saya paling penasaran dan mencari ansambel di atas eval pribadi, yang sekarang banyak orang/organisasi tampaknya membangun untuk diri mereka sendiri dan kadang-kadang melaporkan di sini.