Vấn đề chưa được giải quyết lớn nhất trong AI có thể không phải là sự phù hợp hay ảo giác. Mà là đánh giá. ⚠️ Chúng ta vẫn chưa có cách đo lường đáng tin cậy để xác định liệu các mô hình có thực sự trở nên thông minh hơn — hay chỉ đang ngày càng giỏi hơn trong các bài kiểm tra chuẩn. Luật Goodhart: “Khi một thước đo trở thành mục tiêu, nó ngừng là một thước đo tốt.” Các phòng thí nghiệm tối ưu hóa cho: ↳ MMLU ↳ HumanEval ↳ MATH Các mô hình đều vượt qua chúng. 🏆 Nhưng trí thông minh thực tế thì phức tạp hơn nhiều: ↳ Lý luận dài hạn ↳ Các nhiệm vụ mở ↳ Môi trường chưa từng thấy ↳ Tương tác thực tế với con người Chúng ta có thể đang tự đánh lừa mình bằng cách đo lường một cách sai lệch. 🧠 #AI #Edu3Labs