概念
基准测试饱和
模型在固定基准上得分接近上限导致无法区分能力差异的现象，源于题目固定和答案可训练记忆
时间轴 (近 90 天)
8月30日
基准测试饱和（benchmark saturation）指当多个模型在某项基准上都接近满分时该基准失去区分能力，促使社区推出 GPQA、SWE-bench 等新评测标准
待验证50%
模型在固定基准上得分接近上限导致无法区分能力差异的现象，源于题目固定和答案可训练记忆
基准测试饱和（benchmark saturation）指当多个模型在某项基准上都接近满分时该基准失去区分能力，促使社区推出 GPQA、SWE-bench 等新评测标准