当 AI 模型跑分挤成一团：排行榜正在失去解释力
中文摘要
近半语言模型基准已饱和，排行榜解释力下降。模型选择应回归真实任务、稳定性与成本，而非仅依赖跑分。
English Summary
Many AI language model benchmarks are saturated, diminishing leaderboard utility. True model selection now emphasizes real-world tasks, stability, and cost over benchmark scores.
Original Excerpt
接近一半的语言模型基准已经出现饱和。排行榜仍能筛选候选，但真正的模型选型需要回到真实任务、稳定性与成本。 Continue reading on Medium »