ドーン・ソングのこの見解は非常に重要です：点数だけを見るのは、健康診断の総合点だけを見るようなもので、本当に追求すべきは「どこが悪いのか、どう悪いのか」だ。インテリジェントエージェントの評価も同様で、失敗を診断可能なパターンに分解しなければ、的確な対策を講じることはできない。

Berkeley AI の研究と Dawn Song の見解は、エージェントを評価する際に、基準スコアだけでなく理解の失敗の具体的な原因に重点を置くべきだと強調している。長期的な失敗を診断可能なパターンに分解し、どこでなぜ失敗したのかをより正確に特定・分析することが重要である。原文は、具体的な基準、分析の詳細、または失敗パターンの分類に関する情報を提供していない。