Hamel Husain 转发观点：不少 benchmark 质量差，难点出在验证器太烂

Hamel Husain 转发 Hanchung Lee 的观点：当前不少 benchmark 质量很低，有些题目之所以「难」，是因为验证器（verifier）质量太差，而非任务本身难。这提醒人们重新审视各类模型评测榜单的可信度。