Bindu Reddy 断言现有 AI 基准全失效 将推新测试
bindureddy · x · 2026-09-04
Bindu Reddy（Abacus.AI）表示，当前所有 AI 基准测试「已完全损坏或饱和」，根本原因是它们不测试真实世界的长时间运行循环。她预告下周将发布一个修复该问题的新基准，并称随着模型能力提升，基准体系需要全面改版。
「模型」频道最新
- Matt Shumer 实测 GPT-6 Astra:首个敢放手让它用电脑的模型 — mattshumer_ · 2026-09-04
- 研究者质疑 Astra 对齐宣称：指标变好可能只是更会躲检测 — connoraxiotes · 2026-09-04
- Qwen 3.8 27B 对比 3.6:质量升 8%,耗时却长 5 倍 — DerTomsn · 2026-09-04
- 爆料称 GPT-6 Astra 用超 10 万张 GPU 训练,规模创 OpenAI 纪录 — BLUECOW009 · 2026-09-04
- Gary Marcus 评 GPT-6 Astra:符号世界模型获正名,但离 AGI 还远 — Gary Marcus · 2026-09-04
- 用户质疑额度消耗异常,官方称 KV cache 一直开启、正扩容缓存命中 — arthurcolle · 2026-09-04