remilouf质疑单次跑分证明模型更强

研究员 remilouf 指出，大模型发布者常挑选一次且往往表现最好的基准测试结果，宣称自家模型更强；他的结论是，单次跑分难以证明模型性能更优。 他批评当前评测缺少多次运行的方差报告，认为应呈现不同运行结果的波动与稳定性，而不能只展示最优成绩。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。