开发者吐槽:跑分榜单已失信,圈内 vibes 检查成了新「评测」
burny_tech · x · 2026-11-18
作者 burnytech 表示自己已经不太信任刷榜式的 benchmark,转而更信任 X/Discord 上的集体体感判断——随后自嘲这种「vibe check」其实毫无科学性:没有统计分析、充满偏差和选择效应。
这条吐槽折射出 AI 圈对公开评测榜单普遍失去信任、社区口碑逐渐取代跑分的现实。
「模型」频道最新
- GPT 模型 9 月底集体翻车后,用户质疑 6.2 能否找回可靠性 — Beautiful_Cheetah789 · 2026-11-18
- 独立开发者:对 GPT-6.2 无期待,更盼 Antigravity 升级 Harness — yihui_indie · 2026-11-18
- 新版 Gemini Astra 在 novelty search 框架中表现抢眼 — generativist · 2026-11-18
- 斯坦福研究:8 个 LLM 评审都偏爱自己写的医学答案 — rohanpaul_ai · 2026-11-18
- 开发者:模型智力不看炫酷 3D UI,看能否解真正难的复杂问题 — GabGarrett · 2026-11-18
- 复现权重空间编程:模型写出的网络可独立反编译成同款程序 — kalyan_kpl · 2026-11-18