AGI Hunt· rbhar90·2026-11-16 12:28· 1 小时前AI 评分30METR 研究员:前沿实验室评测回避科学难题,如路灯下找钥匙AI 导读METR 研究员 rbhar90 反驳 Dwarkesh 的嘲讽,称许多前沿实验室仅在有限问题集上测试系统,回避容易暴露前沿模型缺陷的科学难题。他认为前沿科学基准不够严肃,LLM-as-judge 效果不佳,批评这种回避如同“路灯下找钥匙”,但认可 Dwarkesh 值得以善意态度展开讨论。来源:AGI Hunt · agihunt.info评测基准大佬观点#大佬观点#评测/基准查看事件全部后续