SatBench 统计显示 63% 的 AI 基准已被刷穿

Ethan Mollick 发布的 SatBench 统计显示，2023 年以来 AI 实验室发布帖引用的 173 个基准中，约 63% 已达到饱和。SatBench 以最佳成绩达到 85% 为“刷穿”标准。结果显示，当前评测体系快速失效，行业亟需更难且持续更新的基准。