研究者呼吁自查证伪风险：跑分上涨须排查基线与泄漏

一名研究者以公开提醒的方式指出，科学家应优先尝试推翻自己的观点和结果，尤其当模型跑分出现明显上涨时，必须先排查基线是否充分调优、训练或测试数据是否泄漏、优化目标是否被 reward hacking 钻空子、prompt 格式是否存在 bug，以及 benchmark 是否真正衡量了目标能力。 作者还提出要确认分数提升是否仅仅来自投入了更多算力、数据或时间，而非方法本身有效。该提醒强调，在这些隐患未排除前，成果的可信度无法成立。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。