По мотивам обсуждения в чятиках

В копилку идей для петпроектов, которые я, разумеется, не реализую:

Собрать бенчмарк исключительно из мемасиков уровня 80тикилограммовой курицы или перепутанных кроссовок и отслеживать, как модели с ними разбираются. И шахматы. В бенче обязательно должны быть шахматы. Можно замерять количество ходов до того как что-то пойдёт не так
upd: как я мог забыть про кружку с запаянным верхом!

И можно ещё метрику по генерации кринжовых шуток добавить, но я не уверен, как её проверять