Nuance Labs：基准分数越高，对话体验反而越差

Nuance Labs 分享了一项反直觉发现：模型在现有基准上得分更高，实际对话体验却可能变差，因此希望用户结合自身直觉判断，而非只依赖榜单。其对话模型 Emma 已开放体验，为“基准分数不等于好用”提供了厂商侧的直接案例。