基准饱和后如何应对：研究者提出持续演化基准与 OOD 技能习得测量

研究者指出，多数已饱和 benchmark 除数据污染外还存在分布过拟合，并主张构建包含未见任务族与开放式环境的持续演化基准。测量应覆盖学习效率、向独立创作新任务的迁移能力与 OOD 技能习得，并通过对照组区分基准特化训练和真实能力提升。