定义
实验前确定任务、数据、基准和判断标准。保留没有用于调节配置的案例。若输出具有随机性，还要记录错误、资源消耗和试验间变化。
公式
该比例概括一组已定义案例，不描述难度、成本、抽样不确定性或迁移能力。
假设与符号
该比例概括一组已定义案例，不描述难度、成本、抽样不确定性或迁移能力。
解释的局限
狭窄样本、数据污染和对测试的适应可能扭曲结论。也应测试新案例和失败情况。高分不保证在另一个领域成功。
跳转到内容accuracy = correct / total
一个结果能支持什么结论
从令人信服的印象转向可复现的比较。
从概念到应用应用于实践
科学来源
- Chollet · 2019On the Measure of Intelligence原始文献
- Morris et al. · 2023Levels of AGIarXiv v5 · 2025原始文献
基于所引公开资料的教学总结。论文结果受其任务、协议和资源预算约束。