SemiAnalysis 专家级基准测试的价值

2026年11月2日，Wharton 教授 Ethan Mollick 在 X 上发文，称 SemiAnalysis 做了一件有价值的事，并指出专家级工作的基准测试极难实现。他表示这一基准相当有用，尤其是在许多其他主要基准（ARC-AGI、GDPval、METR Long Tasks）都已完全饱和的时候。目前该事件仅有这一条公开表态，尚无更多跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。