Vertrouwen in AI-benchmarks

Vijfentwintig Fields-medaillewinnaars waarschuwen dat AI-wiskunde op benchmarks kan vastlopen in snelle antwoorden zonder begrip, bronvermelding of menselijke overdracht. Die spanning raakt elk bedrijf dat kenniswerk met AI automatiseert.

Google DeepMind toetste Gemini 2.5 Flash Lite in een versleutelde enclave waarin de evaluator de gewichten niet zag en Google de vragen niet. Een score publiceert het bedrijf niet: dit is een pilot, geen norm.