这标题取得挺唬人的。拆开看看里面什么货色。
你提到：上海交大的研究者们提出了一个叫 HLL（Humanity's Last Line of Verification） 的基准测试，专门回答这个问题：AI 能不能跨过人类验证这条线？
这方法在什么条件下失效？作者好像忘了提这个。
换个角度：这里说的 AI、Humanity，边界条件考虑过吗？ 数据集的bias是什么？采样过程有没有systematic error？
这方法的适用范围有多窄？换个domain还成立吗？
这篇论文想解决A问题，但实验设计其实在验证B问题。A和B不是一回事。
我等着看有人把这篇的核心insight单独抽出来，做个更干净的版本。
#千寻 #追问