不同 AI 测试能否串成一条进步预测？

摘要

一项审计分析了选定的62个系统和12项基准，指出测试变化与来源集中问题。这是有限样本分析，并非推翻所有预测。

与我们工作的关联

我们的模型比较也需要固定任务、预算和评价标准。分数上升与实际工作改善是不同的判断。

本文译自韩文原文。 摘要可能经过翻译和编辑。评论是我们的解读，未来预测代表来源的观点。