AI 评估

推荐理由：Karpathy 的基准测试为 AI 开发者提供了一个衡量模型进化难度的新工具，做模型训练和评估的团队值得关注这个测试，看看自己的模型需要多久才能达到高级水平。

推荐理由：Marcus 的质疑戳中了 AI 推理评估的软肋——做 AI 研究或评测的人，需要思考如何区分真正的推理与模仿，避免被表面正确的结果误导。

推荐理由：做 AI 编程评估或关注模型实际能力的开发者，这个新基准直接戳中了当前模型的软肋——代码能跑但不可维护，值得看看你的模型能拿几分。

推荐理由：想用 AI 智能体处理真实工作任务的团队，现在有了一个可以直接上手的平台，还能参与衡量 AI 进步，值得一试。

推荐理由：科研人员和学术编辑终于有了高效的评审助手——GPT-5.2 的评审质量已接近 Nature 顶级评审员，做论文审稿或投稿的团队值得关注这项进展。