AGI Hunt· gabriel1·2026-11-19 15:23· 7 小时前AI 评分40Gabriel:专家领域模型好坏难测,基准测试存在局限Gabriel:专家领域模型好坏难测,基准测试存局限AI 导读Gabriel 批评现有基准测试无法衡量模型在专家精通主题上精准推断期望内容的能力,eval 与 pair ranking 等方法也难以验证这一表现。数学等可验证领域仍是例外,但商业决策与审美判断的质量依然难以评估,模型在这些领域的好坏仍无法可靠测量。来源:AGI Hunt · agihunt.info评测基准大佬观点#大佬观点#评测/基准查看事件全部后续