最近我正好有刷榜的任务，也正好有做题库的任务，突然觉得整件事有点扯 怎么证明一个榜有权威性？业界通常是找一些专家来构建题目（虽然干活的都是科研牛马）那么如果他不公开题目，我们怎么确定他是否是好题？有些佬友可能会说看跑分。但跑分其实只能证明这些题有区分度，但不一定是贴合使用场景的题 那么题目如果公开呢？很快就会成为厂商特需花训练的养料，有效性立即进入倒计时 想想都头疼 7 个帖子 - 5 位参与者 阅读完整话题

  • 情报分类：技术学习与提效
  • 分类依据：讨论模型榜单与题库的验证难题，属AI评测技术方法探讨。
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/9/22 14:45:47