模型评测偏差或诱导训练刷榜

AGI Hunt 提出一项方法论警示：若评测体系缺乏认真检查和持续改进，模型训练可能不再提升真实能力，而是转向拟合基准中的偏差与噪声。 这一判断主要针对模型训练者和刷榜者，提示榜单成绩未必能代表模型的实际能力。

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。