Hugging Face 高管：嵌入式 AI 评估员难成方案，基准测试亟需标准化

Hugging Face 政策主管 Irene Solaiman 指出，当前 AI 模型基准测试缺乏标准化，嵌入式评估员制度也难以成为成熟的解决方案。 她强调评估的可复现性与跨基准比较方法尚不明确，且针对 Agent 系统的评估开发成本高昂，目前行业生态仍处于混乱状态。 若基准测试要继续作为有效工具，行业需建立统一标准以取代现有的非规范做法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。