Hugging Face政策主管谈AI评测可信度

2026年10月20日，TechCrunch报道，Hugging Face首席政策官Irene Solaiman在TechCrunch Disrupt上表示，嵌入式AI评估者并非易得的解决方案。她指出，评估结果的可复现性依赖开放权重，而当前评估方法之间难以进行有意义的比较，且失效较快；智能体评估既困难又昂贵，针对模型、harness与整体智能体的评估数量并不均衡，评估者资质标准亟需更多标准化。她表示，若行业未来要依赖评测，测试需要整合为一门更一致的科学。报道未提及此前版本的具体内容，暂无与早先报道矛盾的数字或说法。

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。