DeepMind Kaggle 大奖颁给一篇"敷衍"AI论文，引发对基准测试质量的反思

AI 导读

Design high-quality benchmarks that go beyond recall to evaluate how frontier models truly reason, act, and judge.

回到原文

这里保留短导读，不转载来源网站的完整正文。具体表述和后续更新请以原文为准。