AI基准测试已经接近或超越人类

Dynabench是一个用于评估人工智能表现的平台，创建实时且不断发展的基准。

该平台展示了人工智能在各种任务上超越人类表现的速度。

Dynabench由MLCommons拥有，旨在通过加速人工智能创新造福社会。

平台引入了动态对抗性数据集和对抗性及整体基准测试哲学。

评估语言模型的排名存在巨大差异，缺乏标准化框架。

Contextual AI致力于解决LLM驱动产品的关键限制，包括归因、幻觉和数据僵化。

在评估LLM方面仍需大量工作，尤其是在关键设置上。

幻觉、归因和陈旧性等问题将在不久的将来得到解决，隐私和成本也将改善。