Hugging Face 44 个基准榜单实测：自报 11 个第一的领先幅度有多薄

作者从 Hugging Face 公开 API 下载 44 个已填充的官方基准榜单共 1108 行数据，发现 verified 字段为 true 的行数为 0。其自报的 11 个第一中，4 个与第二名差距不足 0.5 分（MDPBench 0.05、MMMU-Pro 0.08、MMLU-Pro 0.12、ExtractBench 0.41），MMLU-Pro 的 0.12 分小于约 0.42 分的标准误。文章提醒榜单排名是事实，但不能直接作为更优的证据，并披露自身为利益相关方。

AI推荐理由 作者通过 Hugging Face 公开 API 抓取 44 个官方基准榜单共 1108 行数据，发现 verified 字段为 true 的行数为 0，并量化自报 11 个第一中 4 个领先不足 0.5 分、MMLU-Pro 的 0.12 分差距小于抽样误差，指出榜单排名不等于更优的证据；作者自述为利益相关方审计，非第三方验证，但数据可复现。