第二位研究人員在一週內指出 @SierraPlatform 的 Tau2 Benchs 存在巨大缺陷 - 理論上如果你手動驗證所有內容，Taubench 航空公司的最高分是 75，Taubench 零售的最高分是 95。 不知道 Taubench 的作者是否已經對此做出回應，因為這已經成為一個相當重要的代理評估，我們可能應該再檢查一下。