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，评估的可复现性仍是关键难题，开放权重对复现结果至关重要。她指出，评估科学仍在演进，不同测试之间难以有效比较，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，智能体评估难度大、成本高，而 harness 评估仍显不足。