质疑短评测如何真正评模型

signulll · x · 2026-07-10

作者质疑现在流行的“模型评测”到底意味着什么：和电影不同，模型并没有一个所有人都看到的固定成品，短时间内也很难真正覆盖其行为空间。\n\n他表示自己更信任基于**长期、具体实例**的模型行为记录，而不是把模型当成电影一样给出泛泛的测评结论。