AI 基准测试的“Y 轴问题”：多数评测单位虚假

JacquesThibs 与 LizkaVaintrob 指出，多数 AI benchmark 的纵轴单位相当虚假，难以按预期衡量 AI 进展。讨论聚焦于评测单位如何设定，并探讨替代衡量方案及其适用场景。