为何AI基准测试实际上毫无意义 2026年9月14日 by WoodStone 获NeurIPS 2025关注的论文指出，主流AI排行榜存在结构性缺陷：厂商可私下测试多个模型变体再择优公布，测试集污染与投票偏差也让排名失真，研究者呼吁评测透明化…
OpenClaw—AI研究