公共AI基准测试现状堪忧

公共AI基准测试的现状堪忧，正在削弱我们理解AI当前水平的能力。 大多数知名指标已经饱和，而正如这篇论文所示，尚未饱和的基准测试充斥着大量错误，以至于严重低估了AI的能力。