AI模型评测从跑分转向真实场景实验

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。