一份新的立场文件主张在AI评估中标准化项目级数据发布，以提高透明度和可复现性。作者认为，当前的汇总分数掩盖了项目选择不明确和构建错位等关键问题，导致能力声明夸大和信任错位。为解决此问题，他们提议将项目级数据视为核心基础设施，并推出了OpenEval，一个包含大量基准测试中1000万个响应的存档，旨在促进对AI评估进行更深入的分析和验证。 AI
影响 标准化AI评估数据可能带来更值得信赖的基准测试结果，并为部署系统的决策提供更充分的信息。
排序理由 该集群包含一篇提出AI评估新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →