Hamel Husain 揭公开 AI 基准评测五大通病：靠背答案才能涨分

评测咨询公司 Eccentric 的 Hamel Husain 警告，基于低质量公开 benchmark 宣传模型可能诱导应试化涨分。他列出五类问题：测试过窄、测试过宽、评测脚手架质量差、ground truth 由另一个模型生成，以及只考察答案格式而不考察内容正确性。