热点事件持续更新
GPT-OSS-120B 作 LLM 评审 72/72 全对，压过 Jev
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 10 月 3 日，AGI Hunt 报道称，在 Databricks 的实测中，GPT-OSS-120B 被用作 LLM 评审（LLM judge），在英文与日文双语共 72 个答案上取得 72/72 全对，压过 TypeSafe 的专用结构化判断模型 Jev（typesafe/jev-1.13）。报道称这是 MLflow 实测结果，但未披露测试集来源、评分标准及各模型的具体成绩分布，也未给出可复现的评测细节。目前该结论仅见于这一篇报道，尚无其他来源印证或提出不同说法；本事件暂未出现后续进展。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- AGI HuntMLflow 实测：GPT-OSS-120B 作 LLM 评审 72/72 全对，压过专用模型 Jev
Databricks 实测中，GPT-OSS-120B 作 LLM judge 在英文日文双语共 72 个答案上 72/72 全对，压过 TypeSafe 专用结构化判断模型 Jev（typesafe/jev-1.13）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。