刷榜

Leaderboard Chasing (Benchmark Hacking)常用

专门针对某个评测榜单优化，把分数做高但能力未必真提升

刷榜是 AI 圈的口语，指研究者或公司围绕某个公开基准测试反复调参、挑设置、甚至针对测试集特点做专门设计，让分数冲到榜首。适度追榜能推动进步，但过度追榜会让分数和真实能力脱节，这就是古德哈特定律说的「指标一旦成为目标就不再是好指标」。具身智能里常见的是仿真基准饱和：多个 VLA 在 LIBERO 上成功率接近满分，可换个相机角度、加点干扰就大幅下降。所以看论文时要同时看泛化测试和真机评测。