Ask HN：LLM 模型究竟在哪些任务上失败？

Hacker News 用户发帖询问 LLM 模型究竟在哪些任务上失败，指出 Artificial Analysis 等评测只给出基准分数，却不展示模型具体失败的任务。发帖者更关注聚焦 SWE 的 benchmark。