排行榜 on AI 观察https://ai.wujiong.cc/tags/%E6%8E%92%E8%A1%8C%E6%A6%9C/Recent content in 排行榜 on AI 观察Hugozh-CNTue, 18 Aug 2026 16:16:24 +0800大模型榜单该怎么看？基准测试的局限、数据污染与正确用法https://ai.wujiong.cc/posts/2026-08-18-benchmark-limitations/Tue, 18 Aug 2026 16:16:24 +0800https://ai.wujiong.cc/posts/2026-08-18-benchmark-limitations/<p>几乎每一个新模型发布时，都会附上一张表格：在知识问答、数学、编程、推理等若干基准测试上的分数，并宣称在其中多项“达到领先水平”。各种排行榜也频繁更新排名。<strong>然而很多团队都有这样的经历：选了榜单上排名靠前的模型，用在自己的业务中却表现平平。</strong> 理解基准测试衡量什么、不能衡量什么，是理性看待榜单的前提。</p>