本文认为，AI性能声明应基于外部验证而非自我报告的指标进行评估。文章强调，当第三方进行难以记忆且跨越多个领域的测试时，才能真正展示性能。作者以他们在AIME 2026、HMMT、GPQA Diamond和Polaris等公开排行榜上的结果为例，证明了他们模型的强大能力，并声称外部验证比内部测试更具可信度。 AI
影响 强调需要严格的、经过外部验证的基准来准确评估AI模型的能力，指导未来的开发和评估实践。
排序理由 文章讨论了评估AI性能声明的方法论，重点关注外部验证而非自我报告的重要性，而不是宣布新模型或研究突破。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
<h2> Resumen </h2> <p>Las afirmaciones de rendimiento en IA sobran. Lo que importa no es el tamano del numero, sino quien corrige y con que problemas. Este articulo explica como leer resultados de tablas de clasificacion publicas, cual es la trampa de autoevaluarse, y por que los…
<h2> 요약 </h2> <p>AI 성능 주장은 넘칩니다. 중요한 것은 수치의 크기가 아니라 <strong>누가, 어떤 문제로 채점했느냐</strong>입니다. 이 글은 공인 리더보드 결과를 어떻게 읽어야 하는지, 자가 채점의 함정은 무엇인지, 그리고 비드래프트가 외부 기관이 운영하는 공개 리더보드에서 확인한 결과가 왜 의미 있는지를 엔지니어 관점에서 정리합니다.</p> <h2> 왜 자가 채점은 믿기 어려운가 </h2> <p>내가 만든 시험을 내가 풀고 내가 채점하면, 점수는 언제든 올릴 수 있습…