Hugging Face 政策主管：嵌入式 AI 评估器并非易事

Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，嵌入式 AI 评估器并非易事，评估结果的可复现性依赖开放权重，而当前评估方法仍是一门演进中的科学，彼此之间难以有效比较。她指出，评估正从测试模型本身转向测试包含 harness 和智能体的整个系统，更好的 harness 能让较弱模型超越前沿模型，而智能体评估既困难又昂贵。