论文：基准污染抬高分数但很少改变大语言模型排行榜次序

该研究探讨了基准污染对大语言模型排行榜的影响，发现污染会虚增评分，但很少改变模型的相对排名。结果表明排行榜的整体排序仍相对可靠。

AI推荐理由 对AI从业者而言，基准污染导致的分数虚增意味着绝对性能数字需谨慎解读，但相对排名的稳定性表明排行榜仍是模型选型时相对可靠的参考；这减少了因污染传闻而否定整体排名的成本，同时提醒在跨榜比较或设定发布门槛时，应以相对差异而非绝对分数为准。