Qwen 评测被指存在基准测试选择偏差
taoeffect · x · 2026-08-19
针对 Qwen 模型表现惊人的讨论，taoeffect 指出 Artificial Analysis 仅选取了少数关注度不高的基准测试进行展示，这种选择性使用导致了误导性的传播。虽然承认模型本身令人印象深刻，但认为其真实表现被筛选后的数据夸大了。
所属事件:Qwen 2.5 评测异常高分引发基准选择争议(4 条相关)→
「模型」频道最新
- 研究者实测：ChatGPT Ultra 长任务表现已超越 Pro 模式 — arankomatsuzaki · 2026-08-24
- 吐槽Google：Gemini 3.7发布一周仍未接入自家Jules智能体 — brandon_galang · 2026-08-24
- Qwen 27B 3.8 极低量化实测：Q3 XXS 可用 — jeremyckahn · 2026-08-24
- 用户反馈 GPT-5.6 近期输出质量显著变化 — haider1 · 2026-08-24
- Ramp 统计 Anthropic 模型使用占比：Opus 4.8 最受青睐 — vista8 · 2026-08-24
- 腾讯发布 UI-Mate-27B，支持桌面 GUI 智能体操作 — tencent · 2026-08-24