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。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →