据@godofprompt在Twitter发布的分析显示，2020至2024年间共2847篇AI安全论文中，有94%都依赖相同的6项基准测试。更严重的是，仅需修改一行代码即可在所有基准测试中获得“最先进”成绩，却未真正提升AI安全性。这暴露出学术界AI研究方法存在系统性缺陷，大量研究只是基准测试优化而非实质性进步。对AI产业而言，这为开发更具代表性和实际意义的AI安全评估方法提供了紧迫的商业机会，有助于推动行业突破现有瓶颈。（来源：@godofprompt，Twitter，2026年1月14日）