ACM 最近发表的文章《古德哈特定律适用于你所信任的每一个基准测试》（Goodhart's Law Comes for Every Benchmark You Trust）在 Hacker News 上引发了一波批评。人们不满的并非其内容，而是其被认为带有“人工智能生成”的写作风格。用户迅速指出了大语言模型常见的“破绽”，例如过度的辞藻堆砌以及像“honestly ranked”（诚实排名）这类特定短语，最终导致该文章因违反编辑方针而被删除。 随后的讨论聚焦于古德哈特定律的必然性：一旦指标成为目标，它就不再是可靠的衡量标准。评论者指出，大语言模型的公开基准测试正日益受到操纵，无论是通过数据污染，还是通过优化模型以优先考虑“审美”清晰度而非实际效用。许多用户对标准的 AI 排行榜表示怀疑，认为最有意义的评估是私有的、特定任务的或个人化的衡量。 归根结底，这一讨论反映了人们对人工智能生成的“垃圾内容”日益感到厌倦，并意识到随着大语言模型变得无处不在，区分人类洞察力与模型生成的模仿变得至关重要，尽管这已是一项艰巨的技能。共识在于：当信任被商品化，指标就会失去价值，迫使用户必须依赖自己定制的测试来确定实际性能。