AI 基準測試報告了大型語言模型（LLM）在特定任務上的表現，但對於驅動其效能的底層能力卻鮮少提供深入見解。這些測試無法解釋模型失敗的原因，也無法可靠地預測其在新任務上的成果。為了解決這個問題，微軟研究人員與普林斯頓大學（Princeton University）及瓦倫西亞理工大學（Universitat Politècnica de València）合作，共同推出了 ADeLe（AI [...]）。