测试时计算在改写基准赛道

tokenbender · x · 2026-07-09

帖子认为，随着 test-time compute 的增强，某些 benchmark 已经开始能在很短时间内被“爬分”提升表现。作者据此推测，未来更多 benchmark 可能需要按持续学习的方式来设计，否则会越来越容易被测试时计算能力突破。