大模型过度刷榜引发社区声讨

近期大模型过度刷榜现象引发 AI 社区强烈关注与批评。Surge AI 专家指出，当前评测体系存在四大失效根源，导致基准分数与模型实际能力严重脱节。开发者 Sentdex 等人也纷纷发声，呼吁厂商停止针对评测基准的特调行为。Reddit 网友更以具体模型为例，探讨这种为拿高分而牺牲泛化能力的做法，如何导致模型在真实任务中表现糟糕甚至完全不可用。

2026-08-01 ~ 2026-08-03 · 3 条相关