AI 基准测试因提示词不规范遭质疑

2026年10月14日，AGI Hunt 报道，marktenenholtz 指出又一个高调发布的模型基准测试出现问题：其评测提示词写得严重不规范、缺乏清晰定义，导致结果的可比性和可信度存疑。他认为，这暴露出当前 AI 评测中提示词工程普遍随意的问题，而提示词的细微差异就足以显著影响模型成绩。报道未点明所涉模型与基准测试的具体名称，也未给出相关成绩数据，同样未提及评测方或相关机构的回应。截至该报道，事件仍停留在对评测提示词规范性及结果可信度的质疑层面，尚无进一步的核实或更正信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。