研究者痛批烂评测泛滥：每个人都该亲手做一次好 eval
gabriberton · x · 2026-10-16
研究者 gabriberton 发推称，创建一个好的 eval 是每个研究者至少该做一次的事——眼下周围的低质量评测实在太多。这一观点呼应了当前 AI 评测基准普遍被质疑污染、刷榜的行业现状。
「研究」频道最新
- 12章7500行逐行注释教程，从零手写现代 GPT — tom_doerr · 2026-10-16
- 约翰·纳什 1998 年「层级内省逻辑」手稿再引 AI 圈热议 — fkasummer · 2026-10-16
- OpenAI 前可解释性负责人：绝大多数神经元已可读，可解释性是最重要科学问题 — CatAstro_Piyush · 2026-10-16
- AI 安全研究者自嘲：技术安全话题几乎都能在几十年前统计学里找到影子 — _onionesque · 2026-10-16
- JevAgentHarness 论文：4B 小模型替 LLM 做 Agent 决策，更省更准 — youjiaxuan · 2026-10-16
- Google 团队用序列拍卖构建去中心化 LLM 多智能体工作流 — _onionesque · 2026-10-16