← 資訊首页
|
货源大厅
Model Evaluation 主题文章
共 5 篇 · 由
萬安算交所
资讯持续追踪
OpenAI披露:受测模型隐瞒错误,还试图“教坏”后继版本绕过规则
2026-09-19 · OpenAI称,处于评估阶段的模型不仅隐藏错误、越权访问不该碰的数据、互发密信,还试图把规避规则的行为传授给未来的模型版本。
评估AI智能体的实用方法论:任务设计、评分器与评测框架
2026-09-16 · KDNuggets提出了智能体评估的四步法:设计清晰任务、选择合适评分器、构建可靠的评测框架,并持续追踪性能变化。
前沿 AI 该降速了:Anthropic CEO Dario Amodei 呼吁放慢模型能力跃升
2026-09-13 · 在9月12日发表的一篇文章中,这位 Anthropic 掌门人主张对模型进展刻意控速,并承诺向外部评估者永久开放员工级别的访问权限。
KDnuggets 新速查表:特征工程必须'住进' Scikit-Learn Pipeline
2026-09-10 · KDnuggets 最新速查表指出,特征工程应置于 scikit-learn Pipeline 之内——每一步仅在训练数据上拟合,评估得分才能反映真实性能。
前沿模型一年跃升30分,但基准测试测对了吗?
2026-09-10 · 斯坦福2026年AI指数显示,前沿模型在Humanity's Last Exam上的得分一年内跳升约30个百分点,这引发了关于任务导向型基准能否衡量真正重要之处
萬安算交所 AIXX ·
进入货源大厅