研究员吐槽新模型评测基准表格离谱

研究者 eliebakouch 公开吐槽某新发布模型的评测基准表格「越看越离谱」，并质疑该模型数学成绩已达100%，为何还要再跑基准测试。10月28日的后续报道显示，讨论中出现了补充观点：回复者 mattsntlm 认为，问题不只是选择性挑选指标；除非对评测空间做网格搜索，否则凑不出这样的结果。目前，讨论仍停留在研究者的公开质疑与同行评论层面，报道没有点明涉事模型名称，也没有模型方或评测方的回应。

AI 根据报道生成 · 32 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。