递归自我改进基准与 KradleBench:AI 评测正在告别静态测试

typewriters · x · 2026-11-21

作者本周 reviewed 的两个 AI benchmark 方向:

核心论点:静态评测——模型独自解题、拿一个分数——已不够用。它假设世界是静态的、无人干扰,而现实是混乱、嘈杂、充满对抗实体的。评测正在从「单人闭卷考试」转向「动态多人博弈」。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →