单次跑分已死:评测正变成算力与协议的博弈

Gauri_the_great · x · 2026-11-21

作者认为自 Claude 公布黎曼猜想相关证明以来,"基准分数只是分数"的时代结束了,静态单次基准测试已失去价值,但评测本身反而更重要。

模型得分现在严重依赖:

核心论点:评测已成一场算力与协议的游戏——在过低的生成预算下,前沿模型会显得弱得具有欺骗性;反之配合强验证和充足算力,成绩会大幅不同。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →