Mollick:公共 AI 基准测试失效,系统性低估模型能力
emollick · x · 2026-09-16
Ethan Mollick 转发一项研究并评论:公共 AI 基准测试的现状「很糟糕」,正在妨碍我们理解当前 AI 的真实水平。知名基准大多已被刷满饱和,而论文显示,尚未饱和的基准又充满错误,导致对 AI 能力的大幅低估。
所属事件:Mollick 批公共AI基准失效,系统性低估模型能力(2 条相关)→
「模型」频道最新
- Similarweb：Claude 升级页流量 9 月回升至 1760 万，逼近 5 月峰值 — firstadopter · 2026-11-02
- 开源 GLiNER-PII 单卡 550ms 抓出病历 13 项身份标识,仍漏医院名 — MaziyarPanahi · 2026-11-02
- 用户吐槽 OpenAI Dots 越用越臃肿,转投新工具 Muse 称体验干净透明 — Koala_Confused · 2026-11-02
- Fable 5.5 被曝一行代码一次通过生成动画，Anthropic 押注编程意外切入动画赛道 — Hesamation · 2026-11-02
- 一个 agent 目标连续跑了 4 天，烧掉 3 万赠额 token — CtrlAltDwayne · 2026-11-02
- 每日 AI 简报：Gemini 4 Carbon 疑现身 Arena，DeepSeek 开源编码 agent — testingcatalog · 2026-11-02