安全研究者讥讽对手连 eval 都跑不对，「跑错评测基准」成互相攻击靶点

nptacek · x · 2026-09-19

安全研究员 Nicholas Ptacek 在 X 上连发两条嘲讽 @danlahav 团队：「你们在『连一个 eval 都跑不对』这个 benchmark 上表现很棒，是不是要拿满分了？」这是 AI 圈关于评测正确性争议的公开互怼，针对对方是否正确运行了 eval。帖子本身是骂战，具体争议背景信息有限，但反映了 AI 安全/评测圈对 eval 严谨性的公开冲突。