我昨天通过早期访问体验了Gemini 3。几点想法 - 首先，我通常会对公共基准保持谨慎，因为在我看来，它们很可能被操控。关键在于团队的纪律和自我克制（与此同时，他们的激励机制却是相反的），以避免通过对测试集相邻数据进行复杂的操作来过拟合测试集。实际上，由于其他人都在这样做，施加的压力很大。 去和模型对话。与其他模型对话（骑上LLM周期 - 每天使用不同的LLM）。我昨天对个性、写作、氛围编码、幽默等方面有了积极的早期印象，显然是一个非常稳健的日常驱动者，显然是一个一流的LLM，恭喜团队！ 在接下来的几天/几周里，我最感兴趣并在关注的是关于私人评估的集成，很多人/组织现在似乎都在为自己构建这些，并偶尔在这里报告。