Google DeepMind 的 Vedant Misra 调侃：把所有榜单都刷到极致，模型反而学会了泛化？

Google DeepMind 的 Vedant Misra 发推调侃，如果对每个 benchmark 都进行「benchmaxx」极限刷分，得到的模型反而像是学会了泛化。这句话点出了评测刷分与模型泛化能力之间反直觉的关系。