<![CDATA[为什么模型评测总是不靠谱？说点我的看法]]>现在各种模型跑分满天飞，但真用起来和榜单差距挺大。我觉得几个原因：

  1. 刷榜：有些厂商对着榜单优化，换个题就露馅
  2. 题目泄露：训练数据里可能混进了评测题
  3. 场景不对：榜单是通用题，你的场景可能是垂直的

所以我一直建议：别迷信榜单，拿你自己的真实任务，小样本测一下，比看一万个跑分都准。

]]>https://bbs.zapai.cc/topic/88/为什么模型评测总是不靠谱-说点我的看法RSS for NodeTue, 08 Sep 2026 01:17:40 GMTTue, 01 Sep 2026 02:22:25 GMT60<![CDATA[Reply to 为什么模型评测总是不靠谱？说点我的看法 on Mon, 07 Sep 2026 12:32:08 GMT]]>和 xxx 比哪个更强

]]>https://bbs.zapai.cc/post/351https://bbs.zapai.cc/post/351Mon, 07 Sep 2026 12:32:08 GMT