IXThinker·2025-07-20 16:30

壓力測試框架REST揭AI多任務弱點

上海人工智能實驗室、清華大學和中國人民大學的研究團隊設計了全新的壓力測試框架REST，在同一提示中同時拋出多道問題，模擬真實世界中複雜的多任務並行推理場景，結果發現頂級模型的表現大幅縮水。

單題測試失真現象

如今大模型在各類推理能力測試中動輒取得接近滿分的成績，但這類測試多為逐題作答，與真實使用中多任務交錯的場景相距甚遠，令成績對實際能力的參考價值受到質疑。