“百模大戰(zhàn)”以來，AI大模型的部分榜單上出現(xiàn)了一個奇怪現(xiàn)象：長期盤踞在榜單前列的，經(jīng)常是一些名不見經(jīng)傳的國產(chǎn)大模型，它們竟然以接近滿分的優(yōu)勢碾壓了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、動不動就崩潰”司空見慣，那么更諷刺的是，有的大模型根本沒對業(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)很簡單，那就是評測中出現(xiàn)了數(shù)據(jù)污染和泄露。簡單來說，榜單排名類似于有第三方“考官”出了一個題庫，題庫中大量考題針對性測評大模型各個方面的能力，而有的“考生”提前拿到題庫，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，在國內(nèi)眾多大模型激烈競爭、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)生世界級影響還有較遠(yuǎn)的一段路。而評測是直觀體現(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珠、去偽存真，“考官”如果協(xié)助“考生”作弊，無疑會擾亂AI大模型的評測環(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，唯有一步一個腳印，扎扎實(shí)實(shí)地向前走。

　　（本報(bào)評論員周琳 董雪）