人工智能分析 v5 与基准测试者的困境

对基准测试行业的某种回顾，以及其中的缺失之处。

杂项说明：我正在外出途中，因此旁白会稍晚一些。攀登高峰很容易，但知道该攀登哪座山却很难。让分数提升代价高昂，不过相较于在当今人工智能真正前沿打造有意义的基准测试，我们在这方面已有更为清晰的行动指南。

语言模型的独立评估，在其难度方面尚未得到充分重视……