评测方法

金融大模型跑分争议：每家都穿自己的装备上场，这榜还公平吗

本周 Reddit 技术圈拆解了一张国内金融大模型 Ling 的官方跑分卡：不同模型在不同测试里用了完全不同的推理设置、Agent 框架甚至工具，所谓的榜单排名更像一场「测试方案」的比拼。这事对所有用 benchmark 选模型的企业和投资人都值得警惕。