AI刷题分数涨了，新本事未必多了

有分析指出，AI模型在刷题测试中分数提高，并不等于掌握了新能力：挑模型不能只看答对多少，还要看它在什么预算下答对。若应用只能给短时间或少量token，少走弯路本身就有价值；想确认模型真学会了新题，则要增加尝试、核对步骤，排除原模型只是偶尔没发挥出来。 这一判断针对的是以答题分数衡量模型能力时可能出现的误读，提醒使用者在短预算场景和验证新能力时采用不同的评估方式。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。