他希望 AI 基准测试成为一门科学，而非黑魔法

AI 基准测试不仅是衡量模型能力的度量标尺，也深刻主导着整个技术领域的发展方向。标准化测试的逻辑在于通过设计测试来评估 AI 能力，其历史可追溯至 1987 年 DARPA 推出的首个自动语音转文字基准，研究旨在推动基准测试从经验化的“黑魔法”转变为一门真正的科学。