# AI跑分这套玩法已经失灵了，我们得换个法子

> 原标题：AI benchmarks are broken. Here’s what we need instead.

- 来源：MIT Technology Review · AI
- 发布时间：2026-03-31T12:01:08.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/3496
- 原文：https://www.technologyreview.com/2026/03/31/1134833/ai-benchmarks-are-broken-heres-what-we-need-instead/

## 摘要

作者直接点明：现在给AI打分的基准测试，和实际用起来的场景完全是两码事。那些98%准确率的漂亮分数，一旦塞进医院放射科这种需要多科室会诊、标准随时变动的真实流程里，反而会拖慢工作节奏。她研究了2022年以来英美亚多个行业的AI落地情况，提出一套叫HAIC的评估思路，核心是看AI在团队协作、长时间工作流里的表现，而不是单次答题。

## 推荐理由

作者梳理2022年以来英美亚多行业的AI落地情况，指出基准分数与真实工作流脱节，并提出以团队协作和长流程表现为核心的HAIC评估思路。

## 锐评

98% 准确率进了放射科反而拖慢流程，这个例子比任何 benchmark 论文都有说服力。跑分测的是单次答题，真实场景里 AI 的输出要经过会诊、复核、改标准，错一次的成本全压在下游的人身上。HAIC 那套思路方向对，盯协作质量、盯错误能不能被发现，但没给可跑的测试集，等于只给了张地图。搭内部评测的团队可以照着这四个方向自己造场景，别等现成的。
