吐槽AI模型定制评测刷分
JJitsev · x · 2026-07-13
作者吐槽了当前 AI 模型评测中的乱象：通过发明别人不用的评分指标来让自家模型显得最强。例如在 SOOFI 评测中，使用所谓的“能力指数”来评测基座模型，结果让 Qwen 3 32B 显得比 Teuken 等实际意义不大的模型还要弱。
所属事件:Nemotron模型复现与定制评测引争议(4 条相关)→
「模型」频道最新
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11
- antirez 谈 Anthropic 禁止未成年人使用 Claude — antirez · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- RTX 3060 全本地语音助手复刻 GPT Live 官方演示，6 分钟跑完全程 — liampetti · 2026-09-11
- 曝 Meta Muse Agent 内置邀请码逻辑,或携额外免费额度上线 — testingcatalog · 2026-09-11