RecodeX 重构消息，作者在完成《从零构建大语言模型》一书后，继续探索LLM评估方法，通过批量测试和GPT-5.1评分，发现模型在指令微调测试中的表现与损失值无直接关联，并推测模型性能受智能程度和数据集信息量共同影响。