Decider 模型作者回应刷榜质疑：公私榜差距极小

antoinechaffin 的 decider 模型近期成绩提升引发刷榜（benchmaxxing）质疑，其回应称收益主要来自合理的改进决策，包括解除 causal mask 限制、扩充训练数据（并感谢 tasksource 数据集）。为证明成绩真实，他强调模型在全新发布的排行榜上保持 top-1，且公开榜与私榜（private split）之间的差距极小，说明结果具备真实泛化能力，并非针对榜单优化。其回应获得网友点赞，称其为「榜单高分与科学标准双守门人」。

2026-10-07 ~ 2026-10-07 · 3 条相关

• 公开榜与私榜差距极小,作者以此证明模型未刷榜 — antoine_chaffin · 2026-10-07
• Decider 模型靠去因果掩码涨分,作者称非刷榜且私榜不崩 — antoine_chaffin · 2026-10-07
• 厂商回应刷榜质疑：新榜单公私集差距小，称增强非 benchmaxxing — antoine_chaffin · 2026-10-07