Artificial Analysis v5：评测基准设计者面临的困境

Artificial Analysis v5 聚焦评测基准设计者面临的困境：在 AI 前沿，创建真正有意义的评测基准比推高模型分数更难。文章指出，独立评估语言模型的价值尚未得到充分认识；提升分数已有成熟路径，但成本高昂，而高难度基准仍缺乏清晰方法。