03:47
官方账号Clement Delangue@ClementDelangue
官方账号Clement Delangue@ClementDelangue精选
推荐理由：揭露闭源API的基准测试猫腻
benchmark
共 4 条相关 AI 资讯 · 查看话题观测
6月13日
03:47
Hugging Face CEO Clement Delangue在推特上回应关于模型基准测试的争议，指出闭源API可以通过回退（fallback）机制提升分数，例如Fable 5模型回退到Opus 4.8可能获得更高总分，即使Opus 4.8平均分更低。他以AA基准中的GPQA Diamond和AA-Omniscience为例，说明模型对不同查询的表现不一致，导致回退策略可能掩盖真实能力。Delangue强调，只有API提供商知道实际路由策略，这使得基准测试缺乏透明度。
6月10日
00:09
00:09
AK@_akhaliq
AK@_akhaliq精选
推荐理由：新基准测试AI空间推理
5月11日
00:20
00:20官方一手OpenAI Blog（博客/媒体）
75°
推荐理由：为AI从业者提供了一个统一的强化学习基准平台，极大降低了算法测试与对比的门槛，是RL研究的必备基础设施。
00:17
00:17官方一手OpenAI Blog（博客/媒体）
精选80°
推荐理由：Universe为AI研究者提供了首个大规模、标准化的通用智能评估环境，直接推动AGI训练与基准测试发展。