美团发布Meeseeks评测基准！o3-mini霸榜，DeepSeek-R1意外垫底引发热议

美团M17团队推出Meeseeks评测基准，旨在评估大型语言模型如OpenAI、Claude3.5Sonnet等的指令遵循能力，解决模型输出内容虽好但未满足具体格式或内容要求的问题。