据@godofprompt分析，2020至2024年间发布的2,847篇AI安全论文中，有94%依赖相同的六个基准测试进行评估（来源：https://x.com/godofprompt/status/2011366443221504185）。这种过度依赖导致研究视角狭窄，研究者可通过修改一行代码轻松获得“最先进”分数，而实际安全性未得到提升。这一发现揭示了学术AI安全研究中的严重方法论缺陷和普遍的p-hacking问题，为开发更健全、多样化且有效的AI安全评估工具和平台带来了显著商业机会。填补这一市场空白的企业有望在快速增长的AI安全市场中占据领先地位。