AI 基准审计：六个基准五个存缺陷，仅一个通过

Open Benchmark Review（OBR）发布对多个 AI 基准的审计结果：在被复核的 6 个基准中，仅 PostTrain Bench（PTB）零瑕疵通过——其 24 个任务未发现影响分数的评分错误，其余 5 个基准均存在评分缺陷。这一结果引发社区对基准评测可靠性的关注。

2026-11-10 ~ 2026-11-10 · 2 条相关

• 基准审计：6 个 AI 基准 5 个有评分缺陷，仅 PostTrainBench 通过验证 — maksym_andr · 2026-11-10
• OpenBench 复核多个 benchmark，仅 PostTrain Bench 零瑕疵通过 — maksym_andr · 2026-11-10