Ask HN 讨论：AI 智能体基准测试能否当信用评级

Hacker News 上一位发帖者提出，AI 智能体基准测试可能正在变成类似信用评级的东西：有工程师透露，新兴创业公司和智能体公司正在购买基准测试成绩，用来向客户证明可靠性。发帖者把这一做法与 2008 年金融危机前的信用评级相比——被评级方付费购买评级，并询问采购或批准智能体产品时，基准测试成绩究竟有多大参考价值。 目前这只是发帖者转述的工程师说法和其本人提出的类比，尚无证据表明购买成绩的做法有多普遍，也没有结论说明基准测试能否可靠预测智能体表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。