repligate 质疑大模型能力趋势评测

repligate 认为，围绕大语言模型能力趋势进行细节推敲，可能夸大了评测结果对真实能力的指示力；评测误差甚至可能大于争论中的趋势差异。 他将这种做法称为“bikeshedding”与“false precision”的结合，并指出，一个月内的评测结果就可能出人意料。这是对现有能力趋势评测可靠性的质疑，并非证明相关评测已经失准。

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。