还在用 HellaSwag 评模型？研究员一句话嘲讽评测惯性

研究员 michellechen 在 x 上指出，仍有团队用 2019 年的常识推理基准 HellaSwag 评测模型。HellaSwag 早已被前沿模型刷到接近饱和，这句吐槽戳中了评测体系更新滞后的行业惯性。