谷歌用来测试其 AI 的基准测试中出现了一些令人不安的内容，包括煮熟的婴儿和跟踪技巧。https://themarkup.org/artificial-intelligence/2024/07/17/everyone-is-judging-ai-by-these-tests-but-experts-say-theyre-close-to-meaningless
