OpenAI GDPval 基准遭质疑：公开种子任务质量翻车

开发者首次查看 OpenAI GDPval 基准公开数据集时，随机抽到的首个种子任务便暴露质量问题。GDPval 宣称任务源自平均拥有 14 年从业经验的行业专业人士实际工作，公开分割部分还被 Artificial Analysis 用作关键评测集，相关质量因此受到质疑。