#AI大模型刷榜还有意义吗#看模型现在有点像看考试分数,榜单第一听着很厉害,可真拿到自己日常任务里用,未必最顺手。
刷榜考的是固定题目、标准答案,大家围着榜单优化,分数能往上走,但平时干活碰到的是零碎问题,长上下文,反复改稿,事实核对,这些考场里不一定考。分数高,不代表聊天自然、回答稳、不跑偏。
判断一次升级是不是真进步,我更愿意看自己常做的那几件事:回答有没有更准,长对话会不会忘事,出问题的次数少没少,用起来省不省心。榜单可以当参考,但不能当成唯一标准。
发布于 北京
