AI 基准测试被指已失真，无法反映真实能力

有观点指出，当前 AI 基准测试已"完全坏掉"：大多数基准仅测单轮首答，而 LLM 会针对此类题型做成本与性能优化，导致分数无法代表真实能力。作者以 ImageNet 类比说明，早期基准虽有助起步，但范式改变后旧基准会变成误导，真正应关注的是真实任务中的整体价值。

2026-07-13 ~ 2026-07-13 · 2 条相关

• 作者称 AI 基准已失真 — bindureddy · 2026-07-13
• 别只盯着基准指标 — yunta_tsai · 2026-07-13