Open Compass 评测实战：大模型刷分、污染与鲁棒性怎么破 大模型评测这件事，做过的都知道有多拧巴。模型能力天天涨，评测集却常常是静态的；分数看着漂亮，落到业务里未必能用。这篇把 Open Compass 司南体系的关键坑和实操要点捋一遍。 评测到底在… Feng | AI技术 | 2026-11-04 14:02 | 26 阅读
