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
- 实测对比：决策模型在安全分类与工具路由上不输 LLM 且更快 — randal_olson · 2026-10-16
- 数据说话：路由和安全分类用决策模型，中位速度快 7-8 倍 — randal_olson · 2026-10-16
- 小米 MiMo V2.6 Pro 登顶 Agent Arena 开源榜，成本仅 $0.11/任务 — arena · 2026-10-16
- 决策模型 vs LLM：知识推理 LLM 胜，路由审核平手且前者更快 — randal_olson · 2026-10-16
- ChatGPT 推荐视频工具时提示「可通过 Runway 集成获取」，被讽疑似软广 — tlakomy · 2026-10-16
- 微软 MAI 自研 3T 参数级预训练基座模型完成，后训练结果即将公布 — soumitrashukla9 · 2026-10-16