AgentBench · 主观榜单评议

AI 排行榜（leaderboard）有点像手机跑分:让很多 AI 模型做同一套题,按得分排名次。 麻烦在于,分高不等于真好用——题目可能早被模型“背”过,有的榜还是某家公司自己办、给自家产品打广告。

所以这里不排“谁第几名”,而是请专家回答三件事:这个榜可不可信、高分到底换来了什么真本事、 要不要照着它挑模型用。每条都标了专家的信心（高 / 中 / 低）,你可以只信你愿意信的那部分。

• 榜单 / leaderboard:给 AI 模型打分排名的网页或论文。
• 判语:专家看完一个榜后写下的主观结论。它是本站的核心,由真人署名,不是 AI 代写。
• 聚合器 / aggregator:把很多榜的结果汇到一起的“榜中榜”。它告诉你谁在榜上,但不替你判断该不该信。
• MoA:把好几个 AI 模型像团队一样搭着用,各管自己擅长的一块。要决定让谁进这个团队,就用得上这些榜做参考。