Snorkel AI 的 RIFT 揭示：83% 的 AI 基准测试评分标准存在隐藏缺陷
Snorkel AI 的 RIFT 给基准测试分数背后的评分标准打分，发现 147 项公开基准任务中有一半存在缺失或错位的评分标准。这很重要，因为基准分数会影响人们信任和采用哪些模型，评分标准有缺陷会让排名产生误导。
报道来源
- Alpha Signal2026-11-02 21:08
Snorkel AI 的 RIFT 给基准测试分数背后的评分标准打分，发现 147 项公开基准任务中有一半存在缺失或错位的评分标准。这很重要，因为基准分数会影响人们信任和采用哪些模型，评分标准有缺陷会让排名产生误导。