GSO 榜单作者：榜单已接近饱和，任何 benchmark 约 5% 任务本身有问题

GSO 榜单作者 slimshetty 更新称，该榜单已接近饱和，很难再区分前沿模型，并判断任何 benchmark（包括他自己做的）预计至少约 5% 的任务本身存在质量问题。这被视为对评测体系局限性的第一手坦承，对解读各类跑分榜有参考价值。