#MMLU

8:30行业动态传播指数 38

AI 基准测试失灵调查：MMLU 等主流跑分很难测出真实水平

The Markup 调查指出，Google 与 Meta 等巨头热衷引用的 MMLU 等跑分测试存在严重缺陷。许多测试题库年头过久或源自网络抓取，无法反映真实推理与防幻觉能力，反而给公众造成模型具备专家级能力的错觉。