Hacker News· Theory42·· 2 小时前AI 评分62
电报体测试：让 LLM 用 1866 年电报文体压缩输出，跨模型读取准确率不降
Write Like It's 1866: LLMs Relearn Telegraphese
AI 导读
作者发布 Telegraph Test 基准，用 50 篇文本、约 1300 道题测试 LLM 以电报体（cablese）压缩记录的效果，跨四个模型家族读取准确率恢复比为 0.99 至 1.10，即不逊于纯文本。
来源：Hacker News · fiveminutesforward.com