Hugging Face 政策主管称嵌入 AI 评测无法轻易解决问题

TechCrunch Disrupt 上周会议上，Hugging Face 首席政策官 Irene Solaiman 表示 AI 实验室依赖的模型基准测试方法尚不成熟，可复现性仍是最大难题。她指出嵌入式第三方评测生态缺乏统一资格标准，且评测重心正从模型本身转向包含 harness 和 Agent 的完整系统，而后者评估更难更贵。