别盲信模型发布评测
osanseviero · x · 2026-07-18
作者强调：不要盲信模型发布时自带的 benchmark，应优先参考中立第三方评测，或自己做评估。
他指出厂商公布的分数经常并非“苹果对苹果”比较，常见问题包括：
- 给某些 benchmark 加了默认 prompt，但别的没有
- 使用不同实现、不同 k-shot、CoT 或生成参数
- 指标实现有 bug，后来悄悄修正却不说明
- 采用不同的答案解析器
结论是：LLM 评测很复杂，不是单一维度就能说明问题。
「研究」频道最新
- Diamandis 详解 AI 癌症导航与 $100 基因测序如何缩小抗癌鸿沟 — PeterDiamandis · 2026-10-27
- EMNLP Oral 论文：免训练 KV 缓存驱逐实现 10 倍内存压缩 — yuz9yuz · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- forking 收官：probe gap 随上下文频率呈幂律，掩蔽低频 n-gram 可缩小差距 — ZimingLiu11 · 2026-10-27
- 「forking」机制拆解：n-gram 表把 logits 切成互不干扰的子空间 — ZimingLiu11 · 2026-10-27
- 被称最佳 LoRA 讲解视频：从几何直觉讲到任务内在维度 — sophiamyang · 2026-10-27