AI基准测试存在噪声和漏洞，影响模型选择、投资和安全

为何这很重要：

• 模型选择：排行榜比较可能只是噪声
• 投资：基准排名可能影响融资
• 安全评估：脆弱的能力评估意味着脆弱的安全评估
• 研究方向：有缺陷的基准将领域引向错误的目标