研究者推SatBench追踪AI基准饱和：173个中63%已被刷穿

Ethan Mollick 发布了名为 SatBench 的“基准的基准”项目，用于量化主流 AI 基准被刷至饱和的速度。该统计追踪 2023 年以来各大 AI 实验室在发布帖中引用的 173 个基准，若最佳成绩达到 85% 即判定为被“刷穿”。结果显示其中约 63% 的基准已饱和，反映出当前评测体系快速失效、亟需更难、更新基准的 industry 现状。

2026-11-15 ~ 2026-11-15 · 2 条相关

• SatBench 统计：大厂引用的 173 个 AI 基准已有 63% 被刷穿 — emollick · 2026-11-15

另有 1 条近重复转述:emollick