Contrary Research 报告：AI 基准测试为何正在偏离真实能力评估

Contrary Research 发布深度报告指出，受古德哈特定律与强化学习定向优化影响，主流 AI 基准测试正在与真实世界实用性严重脱节。从 Arena 众包投票被刷榜到 SWE-bench Verified 遭遇训练集污染，过分追求排名的现象不仅扭曲了模型演进方向，还导致大量测评结果失真。