“百模大戰(zhàn)”以來，AI大模型的部分榜單上出現(xiàn)了一個(gè)奇怪現(xiàn)象：長(zhǎng)期盤踞在榜單前列的，經(jīng)常是一些名不見經(jīng)傳的國(guó)產(chǎn)大模型，它們竟然以接近滿分的優(yōu)勢(shì)碾壓了ChatGPT、Gemini和其他知名的AI大模型。

　　之所以令人大跌眼鏡，是因?yàn)檫@與大眾的實(shí)際體驗(yàn)嚴(yán)重不符。不少AI大模型分?jǐn)?shù)名列前茅，實(shí)力卻不及格。如果說“聽不懂答不對(duì)、動(dòng)不動(dòng)就崩潰”司空見慣，那么更諷刺的是，有的大模型根本沒對(duì)業(yè)界開放，就算大家想感受一下“第一名”的風(fēng)采都找不到門路。

　　有人可能會(huì)好奇：一些AI大模型“高分低能”是怎么做到的？原因其實(shí)很簡(jiǎn)單，那就是評(píng)測(cè)中出現(xiàn)了數(shù)據(jù)污染和泄露。簡(jiǎn)單來說，榜單排名類似于有第三方“考官”出了一個(gè)題庫(kù)，題庫(kù)中大量考題針對(duì)性測(cè)評(píng)大模型各個(gè)方面的能力，而有的“考生”提前拿到題庫(kù)，并把答案逐一背了下來。

　　“考高分”的目的也很明確，那就是投機(jī)取巧、炒作包裝。業(yè)內(nèi)人士告訴記者，在國(guó)內(nèi)眾多大模型激烈競(jìng)爭(zhēng)、良莠不齊的當(dāng)下，許多大模型還未在用戶之間形成過硬的口碑，離產(chǎn)生世界級(jí)影響還有較遠(yuǎn)的一段路。而評(píng)測(cè)是直觀體現(xiàn)大模型能力的關(guān)鍵方式之一，學(xué)術(shù)化榜單和市場(chǎng)化榜單都得到了廣泛重視，刷榜跑分因此成為一些企業(yè)快速吸引眼球的手段。

　　當(dāng)然，榜單失真的背后，不只有作弊的“考生”，也可能有徇私的“考官”。業(yè)界需要客觀、公正、高水準(zhǔn)的優(yōu)質(zhì)榜單幫助大家慧眼識(shí)珠、去偽存真，“考官”如果協(xié)助“考生”作弊，無疑會(huì)擾亂AI大模型的評(píng)測(cè)環(huán)境。所幸我們看到，部分榜單在遇到刷榜跑分問題后，及時(shí)推出補(bǔ)救措施，例如將公開大模型和非公開大模型區(qū)分為兩張榜單，成功擠出大量非公開大模型的水分。

　　是金非金焰烈而曉，部分大模型企業(yè)一心撲在刷榜跑分上顯然走偏了路線。說到底AI大模型的發(fā)展還是那句老話，關(guān)鍵核心技術(shù)要不來、買不來、討不來，更包裝不來，唯有一步一個(gè)腳印，扎扎實(shí)實(shí)地向前走。

　　（本報(bào)評(píng)論員周琳 董雪）