阿里数据团队提出基准健康指数 BHI，给 158 个评测基准打分

阿里数据团队提出基准健康指数（BHI），从能力区分度、抗饱和度和影响力三个维度对 158 个评测基准进行系统诊断。基于 117 个模型报告的分析显示，Humanity's Last Exam（HLE）综合表现最佳，部分基准已接近饱和或缺乏区分力。