Крах MMLU: как оценивать бенчмарки ИИ в 2026 году
«Когда показатель становится целью, он перестаёт быть хорошим показателем». В 2026 году закон Гудхарта полностью подчинил себе индустрию оценки ИИ. Традиционные лидерборды превратились в поле маркетинговых манипуляций, а академические тесты прошлых лет достигли предела насыщения, маскируя реальные возможности моделей за красивыми, но бесполезными цифрами. Индустрия генеративного искусственного интеллекта в 2026 году столкнулась с глубоким кризисом…