给ai一场面试：为什么传统测试正在失效？

给AI一场面试：为什么传统测试正在失效？ 引入：当AI刷题超越人类 2025年底，GPT-4在律师资格考试中得分超过90%的人类考生。但有趣的是，当研究人员让它处理真实的客户咨询时，表现却远不如预期。这个反差揭示了一个被忽视的问题：我们正在用错误的方式评估AI。 宾夕法尼亚大学沃顿商学院的Ethan Mollick教授提出了一个尖锐的观察：大多数AI基准测试就像让应聘者做一份标准试卷，而真正的能力只有在面试中才能显现。 分析：传统AI测试的三大盲区 1. 数据污染：AI在背答案 MMLU-Pro...