AI一道题都没做,拿了满分——当考卷本身可以作弊,我们读了两年的排行榜还剩多少真相 引言 上个月朋友让我帮他挑个模型接客服系统。他甩过来一张榜:A模型87.1分,B模型73.0分。“差14分,选A吧?” 我没直接答,只问了一句:这14分里,有多少是"会修bug",有多少是 … 📅 2026-11-13 📁 AI深度科普 👁️ 1 分钟阅读 #AI评估 #基准测试 #奖励作弊 #数据污染 #模型选型 #深度科普