有时候，我也会问：“我们的大模型是否也是，应试教育的傻瓜？”，正如同分数为王一样，我们的model不断的刷新某些方面的SOTA，并宣传“遥遥领先！”，但具体问题，具体下来，实际体验未必如此。语言模型，必是语义理解的强项，而高分背后，却未必如此，实践出真知。