GDPx基准测试采用二元评分方法

发生了什么

据X平台用户发布，GDPx基准测试引入了二元评分方法，该方法因导致模型通过率下降而引发争议。支持者认为，AI系统的评估应以提升人类生产力与GDP为核心，若模型在任务关键组件上失败或无法提供可靠输出，则应判定为任务失败。该观点指出，即便模型在细分指标上得分较高，若无法在实际应用中提供可信结果，仍不具备实用价值。