Dawn Song Pendapat ini sangat penting: hanya melihat skor seperti hanya melihat total nilai laporan kesehatan, yang sebenarnya perlu ditanyakan adalah "di mana yang rusak, bagaimana kerusakannya". Penilaian agen cerdas juga harus demikian, memecah kegagalan menjadi pola yang dapat didiagnosis, agar dapat mengobati secara tepat.

Penelitian Berkeley AI dan pandangan Dawn Song menekankan bahwa saat menilai agen cerdas, harus memberi perhatian pada penyebab kegagalan pemahaman secara spesifik, bukan hanya skor benchmark. Kegagalan jangka panjang harus dipecah menjadi pola yang dapat didiagnosis agar dapat menempatkan dan menganalisis secara lebih tepat di mana dan mengapa agen gagal. Teks asli tidak menyediakan informasi tentang benchmark tertentu, detail analisis, atau klasifikasi pola kegagalan.