GLM-5.2 基准分数争议
xeophon · x · 2026-07-19
帖子围绕 ECI 基准 和 SimpleQA 影响 展开，指出像 GPT-OSS 这类开源模型的 SimpleQA 表现是评估体系里很关键的一环。
引用内容提到：Mechanize 的 GBAEval 属于软件子集，但 GLM-5.2 在该项得分为 0，作者认为这很可能是因为它是纯文本模型，无法验证自己的输出；如果把这个基准剔除，GLM-5.2 的总分会大幅上升。同时还提到，一些顶级模型甚至没有 GBAEval 分数。
所属事件:SimpleQA对模型评测榜单的影响引争议(3 条相关)→
「模型」频道最新
- 6TB Fable 数据遭倒卖：内含小米华为等企业泄露密钥 — teortaxesTex · 2026-09-11
- AI Sextet 活动:6 模型 14 天完全免费,含 DeepSeek/Qwen/GLM — airesearch12 · 2026-09-11
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11