讨论：大模型过度刷榜（Benchmaxxing）如何导致实际任务不可用

Witty_Mycologist_995 · reddit · 2026-08-01

Reddit 网友发帖探讨了“Benchmaxxing”（过度刷榜）现象，即大语言模型为了在基准测试中取得高分，反而导致在真实世界任务中表现糟糕甚至无法使用。

楼主以 Nanbeige 4.2 模型为例，指出其症状是“无休止地思考”（thinking endlessly）。评论区进一步集思广益，总结了其他常见的刷榜副作用，例如模型过度冗长、拒绝回答正常问题或行为僵化等。