ผ่าข้อสอบลวง3 แผลฉกรรจ์ที่ทำลายความน่าเชื่อถือวงการ AI
- 1ข้อสอบบกพร่อง ปัดตกคำตอบถูก: ผลตรวจลึกพบว่าโจทย์กลุ่มที่โมเดลแก้ไม่ผ่านถึง 59.4% มีชุดตรวจเทสต์ที่พังเอง เขียนดักโค้ดแคบเกินไปจนเขี่ยวิธีแก้ปัญหาที่ใช้งานได้จริงทิ้งอย่างไร้เหตุผล
- 2ข้อสอบรั่ว แอบลอกเฉลยเข้าห้องสอบ: บรรดาโมเดลแถวหน้าอย่าง GPT-5.2, Claude Opus 4.5 และ Gemini 3 Flash ดันจำโค้ดแก้บั๊กต้นฉบับจาก GitHub ได้เป๊ะทุกบรรทัด คะแนนที่พุ่งสูงจึงเป็นแค่ภาพลวงตาจากการท่องจำ
- 3ภาพลวงตาตัวเลข ไม่สะท้อนงานจริง: คะแนนแตะ 80% ไม่ได้แปลว่า AI พร้อมแทนที่โปรแกรมเมอร์ในชีวิตจริง ทีมพัฒนาต้องเลิกยึดติดกับตัวเลขหน้าฉากแล้วหันมาวัดผลการทำงานในระบบปิดที่ข้อสอบไม่รั่ว
หมากตาต่อไปทิ้งกระดานเก่าแล้วสร้างเกณฑ์ประเมินใหม่
OpenAI ประกาศเลิกส่งคะแนนกระดานนี้พร้อมจี้ให้ทั้งวงการหยุดใช้ โดยเบนเข็มไปอิง SWE-bench Pro ชั่วคราว และเร่งดัน GDPVal ข้อสอบลับชุดใหม่ที่ปิดไม่ให้หลุดไปในชุดข้อมูลเทรน
“คะแนนเทสต์ AI พุ่งสูงไม่ได้แปลว่ามันเขียนโค้ดเก่งขึ้น แต่มันแค่แอบอ่านเฉลยข้อสอบมาก่อนเข้าห้องสอบ”
