为什么模型在自动评估中表现优异，却在真实场景中频频翻车？是评估指标选错了，还是训练数据出了问题？本文将从评分机制、数据偏差、任务理解等多个维度，深入剖析这一常见却被忽视的现象，帮助你真正理解“高分模型”背后的隐患与优化方向。