遭质疑:ARC-AGI 基准测试被指恶意调参博眼球
iruletheworldmo · x · 2026-07-31
作者对 ARC-AGI 基准测试提出严厉批评，认为该测试被用作吸引公众注意力的催化剂。文章指出，测试方疑似出于恶意调低了模型的得分，从而制造出该基准测试极难达到饱和的假象。
作者强调，依赖这种存在偏见且不诚实的基准测试，会导致业界对模型真实能力的误判，进而引发不良后果。所谓通过不断增加难度来推动前沿发展的说法完全是荒谬的。
所属事件:ARC-AGI 3评测机制遭开发者集体质疑(9 条相关)→
「模型」频道最新
- 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
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11