Hacker News 讨论：LLM 模型究竟在哪些任务上失败？

Hacker News 用户 aqua_coder 发帖提问：前沿 AI 模型在 Artificial Analysis 等平台上的评测指标只给出基准分数，却看不出模型具体在哪些任务上失败，他更关注聚焦 SWE 的基准测试。帖子发布 31 分钟仅获 1 分，尚无讨论。