Почему результаты бенчмарков растут с каждым релизом?

Автор поста задаётся вопросом, почему результаты тестирования моделей постоянно улучшаются, даже когда реальные характеристики не меняются или ухудшаются. Обсуждается возможность манипуляций с проприетарными бенчмарками и отсутствие реального прироста производительности при итерациях релизов.