以K轮连续尝试衡量模型能否吸收此前反馈并最终解决问题。
推荐理由：Seq@K将每次尝试后的自然语言反馈纳入评测，不再把多次采样视为彼此独立；它能区分会从错误中修正的模型与只靠重复碰运气的模型。
阅读原文