现在大模型跑分有可能是被注水的，也就是提前只针对题库特别训练或者搞一些特调的模型去跑分刷榜，也有各种野榜或者是那种商业平台刷榜花钱定制冠军，让人难以分辨，有没有公认比较公正无商业化的测评平台