AIFlow 批评主流评测:四任务单次运行无误差线只是“带 logo 的氛围测试”

AIFlow_ML · x · 2026-11-20

AIFlowML 在 X 上讽刺当前一些模型评测的做法:只跑四个任务、每个任务只运行一次、没有误差线(error bars),这样的结果统计上毫无说服力,“不过是带个 logo 的氛围检查(vibe check)”。这是对 AI 圈常见评测方法学(样本量过小、缺乏可复现性)的批评性观点,回应另一位博主的评测内容。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →