LLM Benchmaxxing 统计分析报告

作者提出统计模型量化 LLM 对旧基准的过拟合（Benchmaxxing）倾向，发现 Google 模型在发布前基准上平均高出 1.41 ECI 分。若扣除该效应，Gemini 4.0 Argon 在 ECI 排名中将从第 4 降至第 6。