评测榜单的可信度：先看题，再看分 Nov 14, 2026 同模型不同榜单位置能差很多。这篇讲三个该看的设置项，以及自建三十题评测集的做法。 AI前沿 # AI前沿 # 模型评测 # 基准测试 # 选型
