基准测试若依赖静态数据，则只衡量记忆而非智能

如果你的基准测试依赖于一个静态数据集或从训练时已知的静态分布中采样，那么它从根本上衡量的是记忆/检索。如果你需要检索基准，这可能没问题！但不要将其与智能混淆。