组长没有介绍组员，指着屏幕对吕程说到：

　　“代码能力基准测试集HumanEval的实时测试界面，你应该认识。”

　　他转向其他组员，脸色严肃：

　　“这是模型的第二次内部压力测试，大家都仔细看。”

　　“第一，盯紧每个测试用例的响应时间和资源消耗峰值。模型能力上去了，但决不能以‘暴力计算’为代价，我们的目标是让它轻松一些。”

　　“第二，特别关注它犯错的类型。是逻辑错误、边界条件疏忽，...