AGI Hunt· liuziwei7·· 4 小时前AI 评分48
LMMs-Lab 长文拆解模型评测困境:+2 分可能只是更会考试而非更强能力
LMMs-Lab 长文拆解评测困境:+2 分可能只是更会考试而非更强能力
AI 导读
LMMs-Lab 在新专栏首篇长文中系统分析模型评测为何难以反映真实能力,指出排行榜进入商业循环后,+2 分可能只代表更适配考题,而非能力提升。文中按四个时期及 pretrain、mid-train、post-train、deploy 阶段梳理评测差异,并提出“稳定核心 + 长尾探针 + 真实回归”方案。
来源:AGI Hunt · agihunt.info