AI 评测转向：能力型基准已死，环境与判断力成新焦点

AI 评测界观点认为，只测「能否做到 X」的能力型基准时代已基本结束：实验室将机器对准新目标后，数月内不仅攻克还会大幅超越，且随着新模型发布、OpenAI 宣称进入 AGI 时代，模型在计算机操作、编程、研究等任务上的表现已让传统基准失去区分度。业界多年来只优化可量化的答案正确率，未来的评测重点将转向模型在真实环境中的判断力与故障恢复能力。

2026-09-04 ~ 2026-09-04 · 2 条相关