据God of Prompt（@godofprompt）报道，AI研究领域存在基准过拟合的系统性问题，94%的研究仅在同样的6项基准测试上进行优化。对开源代码仓库的分析显示，研究者通常运行超过40种配置，只发布分数最高的结果，未披露失败尝试。这种被称为p值操纵（p-hacking）的行为被行业普遍视为“调优”，严重影响了AI模型的实际可靠性、安全性和泛化能力。该趋势凸显了开发更健全、多样化和透明AI评估方法的商业机遇，有助于提升企业和消费级AI应用的安全性与可信度（来源：@godofprompt，2026年1月14日）。