网友实测质疑新基准:ClinicalBench 与 MiniMax 表现双双存疑
teortaxesTex · x · 2026-10-21
有人晒出在所谓 ClinicalBench 上跑出的结果,称连跑两次 GPT 6.1 Sol 与 DeepSeek v4.1 Flash 后向 MiniMax 新发布表示祝贺;但 teortaxesTex 回应称这对 ClinicalBench 和 MiniMax 都是利空,暗示该基准可能被高分刷穿、结果不可信。讨论指向新基准泄露/过拟合的老问题,具体成绩待更多复现验证。
「Fun」频道最新
- 想象 CFO 坐在马斯克身边听他宣布 12 个月内 ARR 达 5000 亿到 1 万亿 — JOBhakdi · 2026-10-21
- 158kB 的 ASCII 版 Minecraft，浏览器即可直接游玩 — gdechichi · 2026-10-21
- 问 AI agent 最喜欢什么颜色，它居然真有偏好 — every · 2026-10-21
- 「行吧现在也做 AI 模型了」：Cloudflare 转型梗图刷屏 — michellechen · 2026-10-21
- 哲学到底有啥用：一张名单盘点了从苏格拉底到罗素的悲惨下场 — mjdramstead · 2026-10-21
- AI 圈新梗：连 UFO 目击都被吐槽是 'unc slop' 生成物 — sebkrier · 2026-10-21