MazeBench 被「刷榜化」,作者称下一个 AI 检测基准将不公开
amplifiedamp · x · 2026-11-17
MazeBench 基准作者 adonissingh 感慨基准正在被「benchmaxxed」(为刷分而优化),提出观点:想让基准在合理时间跨度内反映真实能力,必须将其保密。amplifiedamp 顺势宣布自己的下一个 AI 检测评测将不再公开。
这反映了基准泄漏/过拟合问题下,社区正从公开基准转向私有评测的趋势,与 LMArena 等公开榜单被针对性优化的争论一脉相承。
「模型」频道最新
- Anthropic 用户因提问遭封号,引发「AI 不能随意断供」争议 — mark_k · 2026-11-17
- 开发者盛赞 Gemini 4 carbon:除了慢 20 分钟全是优点 — willcb · 2026-11-17
- Qwen 3.8 27B 本地免费跑 vs Claude Fable 5.2:哪些活能接走? — alex_verem · 2026-11-17
- 博主实测:Astra 做调研总跳步,carbon 慢但踏实或任主控 — lxfater · 2026-11-17
- 路透独家:芯片管制下中国厂商用美国模型蒸馏训练国产竞品 — ns123abc · 2026-11-17
- IFM 发布 K2-Horizon:6 个全开源模型,含 375B MoE 与 10T 合成数据管线 — IFM · 2026-11-17