「评测的评测」爬坡：Scale AI、Mercor 等十余家评测方共建元基准

Scale AI、Mercor 等十余家评测机构正在以爬山式迭代推进「benchmark benchmark」（评测基准的基准），将各家评测榜单本身作为对象开展元评估。相关工作汇聚 Abundant Labs、ARC Prize、LMArena、Artificial Analysis、DataCurve 等机构，属于新兴的 meta-evaluation 方向，目前披露的帖子细节仍有限。