Hugging Face 政策负责人：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仍是核心难题，开放权重对复现至关重要。她指出，评估是一门不断演进的科学，不同评测之间难以有效比较，且失效速度较快。评估对象正从模型本身扩展到包含 harness 和智能体的整个系统，智能体评估既困难又昂贵，评估器资质标准亟需统一。