Kaggle 举办 Bench Summit，指出现行基准测试三大失效问题

Kaggle 正式启动 Bench Summit，目标是基于竞赛领域的信誉建设行业标准基准评测平台。Kaggle 负责人 janiejgu 指出，现行基准测试主要受三类问题影响，公开排行榜难以反映 AI 智能体在生产环境中的表现，评测会随发布周期迅速过时，各家使用不同 harness 也可能让分数差异更多来自基础设施而非模型质量。