大模型刷榜现象的统计分析：基于发布时间差检验基准过拟合

一项针对大语言模型刷榜行为的统计分析显示，Google 等厂商的模型在发布前已公开的基准上得分偏高，但在发布后推出的新基准上表现有所回落。研究基于 Epoch Capabilities Index 引入刷榜系数，发现 Google 模型的基准溢出效应约为 1.41 个 ECI 点，如果剔除该效应，相关模型在基准榜单上的得分将下降约 3 到 5 个百分点。