Dawn Song 這觀點挺扎心的，光看分數確實容易漏掉真正的問題

伯克利人工智能的研究與 Dawn Song 的觀點強調，評估智能體時應重視理解失敗的具體原因，而不僅僅看基準分數。應把長遠失敗分解為可診斷的模式，以更精確地定位與分析智能體在何處及為何會失敗。原文未提供關於具體基準、分析細節或失敗模式分類的信息。