Кризис ИИ-бенчмарков в Китае: когда почти идеальные результаты перестают что-либо значитьHOT
Поскольку большие языковые модели насыщают традиционные бенчмарки, китайские отраслевые наблюдатели говорят, что покупатели переходят от рейтингов в таблицах лидеров к расчёту стоимости выполнения задачи. Новая унифицированная модель от Университета Цинхуа и Zhipu AI показывает почему: высокие оценки за генерацию изображений сочетаются со слабыми результатами по тексту.


