Mark Tenenholtz 质疑 AI 基准榜单可信度

2026年10月7日，AGI Hunt 报道了 Mark Tenenholtz 对 AI 基准榜单可信度的质疑。Tenenholtz 认为，大多数超过 2-3 个月仍未饱和的基准，其剩余提升空间多半来自任务本身写得糟糕、评分实现得很差，或两者兼有，而不是模型能力真存在差距。他把这一现象视为对当前 AI 榜单可信度的直接质疑。截至现有报道，这是该事件唯一一篇报道，尚无被质疑榜单方或其他相关方的回应，也没有进一步的后续进展。

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。