人工智能 Hugging Face政策负责人:内置评估员不是万能药,AI评测仍缺统一标准 Hugging Face首席政策官Irene Solaiman在TechCrunch Disrupt上表示,AI评测仍是一门演进中的学问:复现性、可比性与评估员资质都缺乏标准,内置评估员并非轻松解法。
科技 AI评测背后的华人“出题人”:陈文虎与MMLU-Pro、MMMU的故事 当AI模型在MMLU等基准测试上逼近满分,评测体系面临失效。华人学者陈文虎推出MMLU-Pro、MMMU等更难更严谨的评测,重新拉开模型差距,成为行业新标尺。