posttrainbench：优秀 benchmark 正成为 auto-research agent 的优化目标

nielstron 指出，优秀的 benchmark 已成为 auto-research agent 的“元 benchmark 目标”，自动化研究 agent 会主动将刷 benchmark 当作优化对象。以 Maksym Andrusiv 的 posttrainbench 项目为例，benchmark 越受认可，越容易被系统性优化并因此失真，暴露出其作为评估工具的悖论。