背景：100万美元的AGI评测竞赛
Kaggle主办的”Measuring Progress Toward AGI”竞赛悬赏100万美元，旨在通过创新的评测方法衡量AI向通用人工智能（AGI）的进展。然而近期一位参赛者在Kaggle讨论区发布了详细证据，指控评选过程存在严重的不一致性，引发社区对竞赛公正性的广泛质疑。
核心争议：评测标准是否一致？
发帖者指出，评审反馈中存在多处逻辑矛盾。例如，某些团队因”缺乏量化指标”被扣分，而另外一些同样缺乏指标的团队却获得了高分。评审过程中评分标准的前后不一致、对相同设计元素的截然不同评价等证据被逐一列出。该帖子迅速获得大量关注，许多参赛者表示在评审反馈中也遇到了类似问题。
社区反响：信任危机
HN社区的讨论集中在一个更深层的问题上——当我们试图评测”AGI进展”时，评审者本身的判断力是否可靠？有评论者直言：”AI目前95%都没用，不值得万亿美元的市值”，也有从业者指出，这种评测竞赛本身就面临”用不完美的标准衡量不明确的目标”的困境。
HN用户 onesandofgrain：AI is 95% useless. Not quite worth the trillion dollar market cap lol. * The AI bots are downvoting me * hooray…
HN用户 irasigman：It’s a shame that Arvix (and once thoughtful places like Kaggle) are used for self-promotion. I get people want to work at an AI lab but slopping it in public in this manner is counterproductive to the original intended purpose of these places….
HN用户 jgilias：It was probably scored by AI too. Same reason why slop-filled resumes apparently work better these days….
HN用户 throwfaraway135：AI submissions and AI judges a match made in (AI) heaven….
技术反思：AGI评测的元问题
这起争议揭示了一个更根本的挑战：AGI的定义本身尚无共识，如何评判”衡量AGI进展”的方法？评审标准的主观性和可操作性之间存在着内在张力。部分评论建议采用更自动化、可复现的评测框架，如基准测试加人工审核的双重验证机制，以减少人为偏见对评选结果的影响。
Kaggle讨论：原帖链接 ｜ HN讨论：Hacker News