非营利组织‘人工智能安全中心’（CAIS）与Scale AI联合推出‘人类终极考试’基准测试，评估AI系统的综合能力。该测试由全球500多个机构的近1000名专家设计，涵盖多领域复杂题型。初步结果显示，所有公开旗舰AI系统准确率均未超10%，暴露了AI在综合性问题上的不足。CAIS和Scale AI计划将测试向研究社区开放，以进一步评估新模型。测试于1月24日发布。