热点事件持续更新
研究员吐槽仍用 HellaSwag 评测模型
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026 年 9 月 30 日，研究员 michellechen 在 X 上发文指出，仍有团队使用 2019 年发布的常识推理基准 HellaSwag 来评测模型。她提到，HellaSwag 早已被前沿模型刷到接近饱和，这一句吐槽被认为戳中了评测体系更新滞后的行业惯性。截至该报道，事件仍停留在研究者的一次公开发言，报道中未提及相关团队或机构作出回应，也没有评测基准本身被调整或替换的消息。
AI 根据报道生成 · 6 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- AGI Hunt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。
本事件热度走势
当前热度 9·可比范围峰值 10（9月30日 10:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。