來自 Minh Nhat Nguyen（@menhguin）的推文串

讓我感到困擾的是，「前沿基準測試」中的許多測試都在檢驗知識廣度（GPQA 和 HLE）以及以人為中心的偏見（ARC AGI）。 對於預訓練模型，我們主要測試的是是否包含了完全相關的資料集。 這充分說明了人類是如何看待智能的。