Bir yapay zekâ standardı zaman içinde aynı şeyi ölçmeye devam eder mi? Test verisi, model sürümü ve değerlendirme aracı belirtilmezse aynı puan farklı koşullarda üretilmiş olabilir. Test seti yenilendiğinde eski sonuçlarla yenilerini doğrudan yan yana koymak da yanıltıcılaşır; karşılaştırılabilirlik, ortak başlıktan çok ölçüm bağlamının korunmasına bağlıdır.