Mollick：ARC-AGI 等大基准饱和后，SemiAnalysis 专家级评测路径获认可

Ethan Mollick 认可 SemiAnalysis 的专家级评测方法，认为在 ARC-AGI、GDPval、METR Long Tasks 等主流基准完全饱和之际，该方法有价值。模型能力已刷穿现有基准，行业需要能区分顶尖表现的更难评测，以衡量专家级工作。