中文X出现一组围绕AI模型真实场景评测的讨论，重点不再只是跑分榜。Crypto_Painter称Agents小组消耗约100美元Token，进行了30轮交易决策测试，并给出本金、净收益和最大回撤等结果；AI Will转述Jev连续完成100次电车难题实验，首轮中高概率选择拉下拉杆；拾光则介绍AI Arena采用隐藏模型身份、让用户只看回答质量的方式完成评测，并称已有大量用户参与。相关内容反映用户更关注模型在交易、伦理判断和主观偏好中的表现，但实验设计和可重复性仍需谨慎看待。
参与帖子: 现在 AI 模型越来越多，但只看跑分榜，未必能判断一个模型在真实场景中到底好不好。
@dgrid_ai 的 AI Arena 换了一种思路：隐藏模型身份，让用户只看回答质量，用真实选择完成评测。
这样既减少了品牌和模型名带来的先入为主，也能沉淀更真实的偏好数据。目前已有超过 57 万名用户参与，累计投出 250 万次以上模型评估。
随着 Points-to-$DGAI 上线，用户的每次判断不再只是一次投票，也成为可以被记录和激励的社区贡献。
再加上 $DGAI 已进入 Binance Alpha，DGrid 的产品、社区与生态入口正在逐渐连成一条线。
https://t.co/kn0bJHt4HD
#DGrid #AI
参与 1 帖贡献曝光 0话题热度 243
#AI评测#Agents#Jev
