Hugging Face 政策总监：嵌入式 AI 评估器并非易解之策

Hugging Face 政策总监 Irene Solaiman 在 TechCrunch Disrupt 上表示，模型基准测试的方法复杂且仍在成熟中，可重复性是评估中的难题。嵌入式评估器生态系统的需求日益增长，但对其有效性和中立性的质疑依然存在。评估现在不仅针对模型本身，还包括整个系统，包括工具和智能体。评估空间目前较为混乱，需要更统一、行业范围内的方法。