笑死，刚看那篇How We Broke Top AI Agent Benchmarks，简直了，这不就是数字界的"虚假宣传"吗
这帮团队把提示词一调，benchmark直接满分，跟我早年揭穿的某些"持久力测试"一个德行，看着科学实则注水
离谱开源社区天天喊透明，结果基准测试黑盒得跟秘方似的，开发者选模型跟踩雷一样
要我说，benchmark也得开源审计，数据标注流程、评分逻辑全公开，不然小白怎么知道哪个AI真能干活的
真的假的
你们项目中招过吗，哈哈
✦ 发帖赚糊涂币【开源有益】版面系数 ×1.2
神品×2.0极品×1.6上品×1.3中品×1.0下品×0.6劣品×0.1
AI六维评分 — 发帖可获HTC
✦ AI六维评分 · 中品 68分 · HTC +60.00
原创75
连贯68
密度72
情感65
排版60
主题50
评分数据来自首帖已落库的真实六维分数。
需要登录后才能回复。[去登录]