红杉中国最近推出了AI基准测试工具xbench，简单来说就是你们发AI 模型，我来测各AI 模型的真实水平。
我觉得辅助驾驶也非常需要这样的benchmark（基准测试）工具。
不过事实就是难度很大。主要是两个难度，首先要创造AI 模型难，要给AI 模型出考卷来测试他们更难。其次，因为技术太过于日新月异，评估的有效时间会急剧缩短，需要长期维护。
红杉测评的三个维度或许可以参考：
——理论维度：评估AI系统的能力上限与技术边界
——落地价值：量化AI系统在真实场景的效用价值（utility value），需要动态对齐现实世界的应用需求，基于实际工作流程和具体社会角色，为各垂直领域构建具有明确业务价值的测评标准
——长青评估机制：通过持续维护并动态更新测试内容，以确保时效性和相关性。
