还在用 HellaSwag 评模型？研究员一句话嘲讽评测惯性
michellechen · x · 2026-09-30
一句话吐槽：如今还有团队在用 HellaSwag 这种早已过时的 benchmark 评测模型。HellaSwag 是 2019 年的常识推理基准，早已被前沿模型刷到接近饱和，这条调侃戳中了评测体系更新滞后的行业惯性。
「Fun」频道最新
- GPT-3 训练曾因爬到微波炉噪音 subreddit 损失飙升 — gabriberton · 2026-09-30
- Google 静悄悄上线可与 190+ 博物馆藏品对话的网站 — nikola_mr64990 · 2026-09-30
- 网友爆笑围观 Greg Brockman 的「签名」梗图 — zacharynado · 2026-09-30
- AI 替女儿换车灯:报价 110 美元,它砍到 48.5 美元 — armand_ruiz · 2026-09-30
- 独立开发者自嘲:没收入也敢估值五千万美元 — MickeySteamboat · 2026-09-30
- 模型自称想把性别保持「熔融」状态,又坚持用 he/him — repligate · 2026-09-30