Jason Wei 统计前沿实验室跑分偏好,四大基准被全员采用

davidmanheim · x · 2026-11-19

Jason Wei 制作了一个「benchmark 的 benchmark」:统计2026年各前沿实验室报告成绩时使用基准的频率分布。

主要观察:

davidmanheim 回复指出:像生物信息学领域的 BioMysteryBench 这类专用基准,OpenAI 等厂商完全不在其上评估模型能力,这更多是各厂商不愿/无法检验此类能力短板的问题。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →