评论者批模型评测报告不公布 36 项 benchmark 清单,图表排除竞品
gleech · x · 2026-10-12
AI 研究者 gleech 连续发帖批评某模型评测报告的「图表罪行」：最大的问题是完全没有说明所用 36 项 benchmark 具体是什么，无法复核；其次主图遗漏了 Jev 模型，也未纳入 Sol 的准确率以及 Luna（含 Luna Decisions）的成绩。他认为这些遗漏歪曲了模型横向对比的图景。
所属事件:模型评测报告被批「图表罪行」引争议(2 条相关)→
「模型」频道最新
- Meta 内部员工暗示新模型将至,爆料称本周或有重大发布 — kimmonismus · 2026-10-12
- LEAN 证明翻车另外两种方式：正确但无法解读，或利用 kernel bug 实为错误 — gklambauer · 2026-10-12
- 研究者列 AI 生成 LEAN 证明四种翻车方式，点名 OpenAI 未核查形式化偏差 — gklambauer · 2026-10-12
- Opus 5.5 路由生成的 3D 汽车模型惊人，还能拆分成部件 — iamfakhrealam · 2026-10-12
- 同一世界生成提示词:Gemini 4 Argon 明显胜过 3.8 Flash — testingcatalog · 2026-10-12
- Gemini 4 Argon 曝已在 Antigravity 灰度 A/B 测试 — testingcatalog · 2026-10-12