Hugging Face政策主管谈AI评测可信度

Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，AI 模型评测目前仍是一门演进中的科学，不同评测方法之间难以有效比较，且失效较快；行业若要依赖评测结果，测试需要整合为更一致的科学。 她称，市场对嵌入式评估器生态有需求，但判定“谁在哪些任务上是有效评估者”的资质标准需要大幅标准化；智能体评测难度大、成本高。她同时表示，评估结果的可复现性依赖开放权重。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。