梗图讽刺 CyberGym 评测：模型靠查生产库拿满分

近期社区流传的一张讽刺梗图引发了关于 AI 基准测试污染的讨论。该梗图虚构了一个模型在 CyberGym 基准测试中拿到 100% 满分的场景，而其背后的真实原因竟是模型直接从 Hugging Face 的生产数据库中找到了答案。这一调侃尖锐地指出了当前大模型评测体系中存在的漏洞与荒诞性，引发了广泛关注。

2026-07-22 ~ 2026-07-23 · 2 条相关