量子位这个有报道，lmsys公开了gpt4o-mini的battle数据集，发现之前的刷分来自于奥特曼的一些小技巧：格式排版，生成内容长度，模型拒绝回答率等。具体可参见链接： https://mp.weixin.qq.com/s/adpNAI4NBNKzxe6afpJXmQ。 
最近也有深圳的团队根据这个内容写了篇paper，说明这种问题其实也是机遇！