疑似偷看答案打榜拿高分？AI圈这瓜真大

看到一个分数，我愣了好几秒。 77分输给了64分？这什么情况？ 这不是简单的数学题，是AI圈最近爆出的"榜单罗生门"。说实话，我一开始也搞不懂怎么回事。 事情发生在OpenAI主导的MLE-Bench考试上。百度伐谋团队本来两度登顶，结果2026年2月被一家叫Disarray的创业公司反超。77分，近乎满分。 但这个"完美分数"很快就被人盯上了。 有人在GitHub上直接开帖质疑：GPS任务误差0.0？这就像考试每道题都拿满分，连涂改都没有。物理上怎么可能？ Disarray的回应是"这只是资源管理机制"。但质疑的人不买账：你们跑题的时候，是不是偷看了答案？ 这场争论持续了好几个月。规则派说技术上可行但要明说，学术派坚持要拆榜单。两边吵得不可开交。 最后MLE-Bench做了个决定：新增一个"No Private LB"清洁榜单。不允许在跑题过程中看任何反馈信号。 结果呢？百度伐谋以64.44分，重回真榜单全球第一。 这个看似"更低"的分数，反而是最干净的证明。 你说，是分数漂亮重要，还是拿分的方式重要？ 榜单会变，规则会改。但"怎么拿分"这件事，比"拿多少分"更说明问题。 就像考试，有人靠真本事，有人提前看了答案。分数能骗人，实力骗不了人。