当AI基准测试达到平台期：基准饱和的系统性研究

人工智能基准测试是衡量模型进步和指导部署决策的重要机制。然而，一项即将发表于 ICML 2026 的系统研究指出，基准测试会迅速“饱和”，导致难以区分不同模型，长期价值也随之降低。这项研究由 Mubashara Akhtar 等 37 位作者共同完成，论文于 2026 年 2 月首次提交，6 月修订至第三版。

研究团队对 60 个语言模型基准进行了系统分析，利用 14 个与饱和相关的属性来定义和量化饱和现象。结果显示，近一半的基准表现出饱和迹象，且饱和率随基准年龄增长而上升。这意味着，随着时间推移，基准区分模型的能力逐渐减弱，评测结果趋于“通胀”。