长期以来，AI评估就像学校里的标准化考试，专注于那些有标准答案的问题。这种设计有其合理性——就像批改选择题比批改作文容易得多，单一答案的评估方式成本低、可扩展性强，而且客观公正。但是，真实世界中的信息需求往往复杂得多。