过去十年，应用人工智能研究的主要指标是模型的参数数量。随着每一代新模型的推出，研究者们越来越关注模型的规模，而忽视了模型结果的可重复性。这种趋势导致了可重复性危机的加剧，许多研究结果在不同实验中无法得到验证。模型的复杂性和参数的增加并未必能带来更可靠的结果，反而可能引发对模型性能的误解。研究者们需要重新审视评估标准，关注模型的可解释性和结果的可靠性，以推动人工智能领域的健康发展。...