模型评测报告被批「图表罪行」引争议

AI 研究者 gleech 连续发帖批评某决策模型评测报告存在「图表罪行」：最大问题是未说明所用的 36 项 benchmark 具体是什么，导致结果无法复核；主图还遗漏了 Jev 模型，且未收录 GPT-6 Sol 的准确率以及 GPT-6 Luna（尤其 Luna Decisions 版本）的数据，被指选择性排除竞品，引发社区吐槽。

2026-10-12 ~ 2026-10-12 · 2 条相关

• 决策模型跑分图引吐槽：GPT-6 Sol 与 Luna 竟被排除在外 — gleech · 2026-10-12
• 评论者批模型评测报告不公布 36 项 benchmark 清单,图表排除竞品 — gleech · 2026-10-12