Microsoft 研究：AI 评测为何在传统 benchmark 之外出现“意外失败”

发生了什么

Microsoft 的 Jennifer Neville 指出，把模型放到传统 benchmark 之外测试时会出现“意外失败”，评测是推动当前 AI 系统性能边界、贴合用户需求的关键。她建议在使用现有 AI 系统时密切关注数据，因为结果偏离预期时数据本身往往最值得细看。

继续阅读

正在热议

1. 1Meta 开放发布 Muse Spark Open，支持 Mac 和云端部署，位居美国开放权重模型榜首
2. 2Google 在全球推出 Gemini 4 Argon，并扩大付费访问范围，基准测试结果不一
3. 3OpenAI 为 ChatGPT 中的 GPT-6 Astra Pro 带来并行智能体和更快响应
4. 4Meta的新商业条款引发有关网站抓取和 AI 训练权利的争议