榜单被质疑时，简历上的分数还站得住吗

消息提到，Ethan Mollick 公开批评 GDPval-AA 是很糟糕的基准：由 AI 回答涉及主观判断的公开问题，再由其他 AI 而非人类专家评分，他认为该基准没有有效性，但 AI 实验室仍在引用。另有引用推文称 Artificial Analysis 坚持 GPT-6 在该基准上真实任务得分低于 Kimi K3，而 OpenAI 保持沉默。这些说法本身仍有争议，但足以提醒求职者：榜单分数不等于能力定论。

三步核查：谁出题、谁评分、争议是否公开

第一步看谁出题。题目来自公开问题还是真实业务任务，直接决定它离目标岗位有多远。第二步看谁评分。若评分方是 AI 而非人类专家，主观题的分数波动就大，写进简历时要主动说明这一局限。第三步看争议是否公开。像上述基准被点名质疑后，引用方是否回应、是否调整，比排名数字更值得关注。

假设你在简历写“某基准得分领先”，面试官追问“这个分数怎么来的”，可以这样答：先说明基准的题目来源和评分方式，再指出已知争议，最后落到自己实际做过的任务上。诚实说明局限，比硬撑分数更经得起追问。

不靠榜单，面试怎么证明模型能力

与其引用有争议的榜单，不如讲自己实际完成的任务：用了什么数据、做了哪些对比、哪次失败暴露了什么问题。模拟面试中，面试官可能追问“你怎么验证效果”，这时可复现的对比和失败案例，比单一分数更有说服力。

读岗位描述时，还要确认对方是否真的看重评测经验，还是更看重工程落地。两者准备方向不同。

一个实际可做的小建议：挑一个你写进简历的基准，用上面三步各写一句话，再准备一句“这个分数的局限是……”。