OpenAI探讨基准得分与测试工具和设置的关系

OpenAI指出基准得分不仅反映模型本身，还依赖于测试工具和设置。对于长期运行智能体，保留推理和压缩上下文可帮助模型基于已有内容持续学习。该观点来自OpenAI官方博文，涉及评估方法论。