昔时几年，各式基准测试一度成为行业风向标，可履行情况远莫得名义那么光鲜。不少模子在特定数据集上分数亮眼，放到确凿场景却频频露怯。公开的数据集让针对性测验变得容易，模子像学生刷题相通死记硬背，科场收货颜面，履行干活却七手八脚。斯坦福大学东谈主工智能指数施展显现，某些高难度基准在短短一年内分数大幅跃升，但这更多反应出测验政策的优化，而非才略履行的飞跃。确凿全国里，任务变化多端，模子经常在细节处栽跟头。 {jz:field.toptypename/} 他提议的这个新测试，把焦点绝对转向“干活”自身。

新年新气象！AI 大神吴恩达2026 年目标公开： 要做一个新的图灵测试，他称之为图灵 -AGI 测试。 光看名字就知道，这个测试专为 AGI 而生。 去年是 AGI 水涨船高的一年，吴恩达在其年度总结中也曾表示： 2025 年或许会被铭记为人工智能工业时代的开端。 创新推动模型性能到达新的高度，AI 驱动的应用变得不可或缺，顶尖企业人才争夺激烈，基础设施建设推动社会生产总值增长。 学术界和工业界频繁提及 AGI 概念，硅谷的公司也会为抢先 AGI 定下季度目标。 但关于 AGI 的定义至今还