MMLU

AI 跑分竞赛正在失控 — 社区开发者集体质疑榜单还能信几分

本周 LocalLLaMA 社区一篇高赞帖引发讨论：AI 行业每年发布数百个新基准测试，模型真实能力与榜单分数已明显脱节。值得关心的是，企业采购和个人选工具时越来越依赖的「跑分」，可能正在变成营销工具而非能力证明。