研究：仅 16% 的 AI benchmark 衡量工作中的组织性困难

victorbarres 指出，AI benchmark 进展难以回答模型能否胜任真实工作，因为现有 benchmark 多由独立任务构成，仅 16% 测量了协作、信息掌握、决策与依赖他人产出等组织性困难。该研究揭示了单项 benchmark 进展与真实岗位要求之间的差距。