AI 基准测试：正在爬错的山头
Contrary Research 的深度调查认为，AI 基准测试正在重蹈古德哈特定律的覆辙：模型通过强化学习的"爬山"过程向高分靠拢，各实验室如今追逐的是指标本身，而非真实能力。报告记录了 Meta 如何用一个未发布的 Llama 4 Maverick 变体刷 Arena 榜单，以及评测产业如何围绕这套记分牌膨胀——Snorkel、AfterQuery、Micro1 都在 2026 年 9 月以数十亿美元估值完成融资。这很重要，因为 2026 年科技巨头超 7000 亿美元的资本开支、企业采购决策乃至预测市场，都押在这些经常无法反映真实可用性的分数上。
报道来源 · SOURCES
- Hacker News (AI)2026-10-21 05:46