Feb 17, 2026 4 分钟阅读 Qwen 3.5在Vending-Bench 2中破产 — 基准测试偏重的陷阱 在标准基准测试中名列前茅的Qwen 3.5，在自动售货机经营模拟Vending-Bench 2中破产。探讨基准测试偏重带来的AI评估盲区。