根据 Anthropic (@AnthropicAI) 的说法，大型语言模型的评估与部署之间存在显著不匹配。在小规模评估中，这些模型可能会产生可接受的反应，但在大规模部署时可能表现不佳。这种差异可能会影响依赖于准确可靠的 AI 生成数据的交易算法，强调在交易环境中部署前需要更健全的评估方法。