Microsoft Research· Chad Atalla, Jennifer Neville·· 10 天前
Microsoft 研究员 Jennifer Neville：AI 评测如何暴露模型的“意外失败”
What AI gets wrong and what failure teaches us
AI 导读
Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测对推动 AI 系统性能边界的作用，以及模型在传统 benchmark 之外测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历，分享了使用当前 AI 系统的实用建议，并强调当结果超出预期时仔细审视数据的重要性。
入选记录
门槛 60官方一手第一次 22第二次 22
未入选两次之和 44 < 门槛的两倍 120
- 信源等级
- 官方一手，这一级的门槛是 60 分
- 预筛
- 通过：微软研究播客讨论AI评测、多轮对话与智能体失败
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：Microsoft Research · microsoft.com