**AI基准测试饱和研究：近半数基准已失去区分能力**

_When AI Benchmarks Plateau: A Systematic Study of Benchmark Saturation_

> ICML 2026论文系统研究了AI基准测试的饱和现象。通过分析60个语言模型基准测试，研究发现近半数基准已出现饱和，难以区分模型性能差异，且饱和率随时间递增。研究指出，专家策展比公开测试数据更能延长基准测试的寿命，为设计更持久的评估方法提供了指导。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-08-05 00:10（北京时间）
- **原文**：[打开原文](https://arxiv.org/abs/2602.16763)