Artificial Analysis v5 与基准测试者的困境

Artificial Analysis v5 发布，文章讨论基准测试者面临的困境：提升分数虽昂贵但有清晰打法，而在当前 AI 前沿打造有意义的基准却难得多。作者认为，语言模型的独立评估难度被严重低估。