基准饱和与新基准涌现同速，作者直言新榜单验证严重不足
subinium · x · 2026-09-04
作者观察到基准饱和（benchmaxxing）正在以前所未有的速度发生，但新基准的涌现速度同样快，且大多缺乏足够验证。他认为：能提出既难又重要的问题、并造出好数据的人会越来越值钱；同时越来越多用户开始亲自上手试模型而非只看跑分——这正是技术跨越鸿沟走向大众的标志。
「漫话AGI」频道最新
- 「软件开发领域我们已有 AGI」:一句话观点再引 Astra 定位之争 — haider1 · 2026-09-04
- Yoav Goldberg：能用分数衡量的任务都会被暴力训练攻破 — yoavgo · 2026-09-04
- Guillaume Verdon:AGI 的真正考验是一个月造出 GTA 7 — beffjezos · 2026-09-04
- 谷歌 Jack Rae 力荐：人类专家是 AI 时代的安全基础设施 — jachiam0 · 2026-09-04
- 博主对比两组数据：读者点击与 Google AI Overview 引用几乎不重叠 — shashib · 2026-09-04
- AI 从业者：训练数据的构建才是最有创造力的一环，数据集只是冰山一角 — joecole · 2026-09-04