基准测试饱和后如何评估模型能力

英文标题：Evaluating Model Capabilities After Benchmark Saturation

AI 能力的快速进步正导致部分基准测试趋于饱和。当多个模型的得分接近满分时，这些测试便难以区分模型之间的能力差异。这也削弱了基准测试为 AI 安全论证和前沿 AI 政策提供依据的作用。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB