AI 让基准爬山更自动化
random_walker · x · 2026-07-16
作者认为，AI 现在越来越能自己完成 benchmark 上的“爬山式”优化，这会释放人类研究者的时间，让他们更专注于那些需要判断、难以验证的部分。 但这也会让同行评审和评测体系更脆弱：当 benchmark 表现不再是有效过滤器时，现有审稿和评估机制会进一步失效。帖子最后指向一篇相关论文，讨论 peer review 和其他评估实践应如何调整。
random_walker · x · 2026-07-16
作者认为，AI 现在越来越能自己完成 benchmark 上的“爬山式”优化，这会释放人类研究者的时间，让他们更专注于那些需要判断、难以验证的部分。 但这也会让同行评审和评测体系更脆弱：当 benchmark 表现不再是有效过滤器时，现有审稿和评估机制会进一步失效。帖子最后指向一篇相关论文，讨论 peer review 和其他评估实践应如何调整。