Husain转发benchmark质量质疑

Hamel Husain转发Hanchung Lee的观点，称当前不少 benchmark 质量较低，部分题目被认为“难”，可能不是因为任务本身复杂，而是验证器质量太差。 这一说法把模型评测榜单的可信度问题指向验证环节，提醒读者重新审视各类 benchmark 的结果及其难度解释。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。