AGI 現在agi的benchmark有絕對性的錯誤，完全唔準確。 真正的benchmark應該是一個，任何model都沒有任何記憶的問題。 最近在用spring ai寫program，因為太新，有很多很多的問題。張github個repository連上claude，因為claude不能連網，不斷生成新嘅content，然後不斷重複🥱，就出現怎樣也做不好的問題。 這才是應該benchmark的地方，要從他們懂得自己不懂得而著手，不是在記憶問題而返回答案