Dawn Song, ce point de vue est très crucial : se concentrer uniquement sur le score, c'est comme ne regarder que le score global d'un bilan de santé, alors que la véritable question à poser est « où ça ne va pas, comment ça s'est dégradé ». L'évaluation des agents intelligents devrait également être ainsi, en décomposant l'échec en modèles diagnostiquables, afin de traiter le problème de manière ciblée.

Les recherches de Berkeley AI et le point de vue de Dawn Song soulignent que, lors de l’évaluation des agents intelligents, il faut accorder une importance particulière aux causes spécifiques des échecs de compréhension, plutôt qu’à la seule note de référence. Il faut décomposer les échecs à long terme en modèles diagnostiquables, afin de mieux localiser et analyser où et pourquoi l’agent échoue. Le texte original ne fournit pas d’informations sur des références spécifiques, des détails d’analyse ou la classification des modèles d’échec.