**如何打造属于你自己的个人 AI 基准测试**

_How to Create Your Own Personal AI Benchmark_

> Every 评估负责人 Mike Taylor 提出，通用基准（如 MMLU-Pro）只能大致反映模型能力，无法回答“这个模型能否帮到我的工作”。他建议自建小型、私有的个人基准：把日常中 AI 失败过的任务记入“口袋评估”清单，当新模型发布时用它测试是否能在这些任务上取得进展，从而判断是否值得切换；同时也可借此确认能否用更小、更便宜的模型完成原有工作。文中还提到 Ethan Mollick 与 Steve Yegge 的类似观点，并指出个人基准可分为三个层次。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：tip
- **发布时间**：2026-09-23 10:48（北京时间）
- **原文**：[打开原文](https://every.to/also-true-for-humans/how-to-create-your-own-personal-ai-benchmark)