Ethan Mollick：像面试员工一样面试你的 AI

Ethan Mollick 提出，通用基准难以衡量写作、共情与商业判断等能力，企业应像招聘一样对 AI 做严格面试。他引用 OpenAI 的 GDPval 研究：专家用平均 14 年经验设计需 4 到 7 小时完成的真实任务，再由第三方专家盲评，结果显示最强模型在软件开发、个人理财顾问等任务上超过人类，而药剂师、工业工程师和房产经纪人明显胜过最好的 AI，且不同模型表现各异。