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
- 医疗评测：Kimi K3 平 GPT-6，但疑难病例开源落后 17 个百分点 — keunwoochoi · 2026-10-27
- 健康专项榜单洗牌：综合第 9 的开源模型跃居 Health Index 第一 — keunwoochoi · 2026-10-27
- DeepSeek 每 token KV 缓存两年降至 890 字节,开源闭源差距之辩 — teortaxesTex · 2026-10-27
- GPT-6 Astra 零微调操控灵巧手：500 试仅 26 次成功，成功率 5.2% — stingning · 2026-10-27
- 爆料推测:fable 5.5 或达 4-5 万亿参数,以规模压制 Opus — haider1 · 2026-10-27
- Kimi K3 开源许可证设门槛:年收超 2000 万美元须另签协议 — alex_verem · 2026-10-27