AI基准饱和，开放世界评估兴起

基准测试比以往任何时候都更快饱和。前沿AI评估应如何演变？在一篇新论文中，我们认为AI社区已经趋于一个答案：开放世界评估。它们是漫长、杂乱、现实世界的任务，不适合基准测试。