汽车档位上的P、R、N、D、S、L等字母，对于车主来说当然是再熟悉不过了。但事实上挂错档位而引发交通事故的情况还屡屡出现，特别是一些新手 ...

AI频频刷新基准测试纪录，却算不清「strawberry」里到底有几个字母r，在人类看来很简单的问题却频频出错。这种反差促使创意测评兴起，例如由一名高中生开发的MC-Bench，用Minecraft方块「竞技场」模式评价AI能力。这种新的测评范式，或 ...