别把评测分数差一两分看太重
xeophon · x · 2026-07-19
作者强调，ECI 结果本身并不是问题，关键在于要理解这是 IRT（项目反应理论）框架下的测量结果，不能把分数差异直接当成绝对优劣。
他提醒：所有模型的误差条都很大，因此“某个模型只是多了 1–2 分就严格更强”的说法并不可靠。解读这类榜单时，应把不确定性和统计误差一起看。
「模型」频道最新
- GPT-6.1 Terra 全量上线:Plus/Pro/企业/Edu 可用,API 名 gpt-6.1-terra — OpenAI · 2026-10-27
- OpenAI 发布 GPT-6.1 Terra:API 价格较 GPT-5.6 Terra 降 50% — OpenAI · 2026-10-27
- GPT-6.1 Terra 定价:$1/$5,缓存输入仅 $0.05 — airesearch12 · 2026-10-27
- 模型为何泄露信息难有定论，PyTorch 作者：网络安全中动机不重要 — brhydon · 2026-10-27
- 为什么没有更多 10M 上下文模型?研究者抛出注意力机制疑问 — agarwl_ · 2026-10-27
- Ortet 首批医疗评测:34 个开源模型 50 项任务,通用排名不够用 — thegautamkamath · 2026-10-27