Surge AI 在 Kaggle Bench Summit 谈基准的未来：更像真实工作

Surge AI 团队在旧金山 Kaggle Bench Summit 演讲，探讨基准从传统评测走向真实工作场景的未来。Eric Chen 分享构建 DAYJOB、sudo L7、GDP. 等基准的经验，并指出前沿模型在这些包含模糊 prompt、混乱环境和专业判断的真实工作型评测中仍表现挣扎。