IXThinker·2026-09-17 18:40

十篇前沿研究重新定義AI能力評測

基準測試正從單一打分工具，演進為連接模型能力、真實任務與科學進步的測量體系。近周多篇前沿研究來自多間頂尖高校與企業，涵蓋智能體、軟件工程與科學人工智能等領域，強調細粒度、可診斷的評估與能力邊界定位。

範式轉變

新一代基準不再只回答「模型有多強」，更開始解釋模型為何失敗、能力邊界在哪裏；評估方式由單一分數，轉向過程與結果並重的細粒度診斷。