Hugging Face 政策负责人：嵌入式 AI 评估者并非易事

Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，模型评估仍是"不断演进的科学"，评估结果的可复现性依赖开放权重，且不同评估之间难以有效比较。她指出，业界对嵌入式评估者生态的需求正在上升，但判定谁能在何种任务上有效评估，仍需更多标准化。评估对象已从模型本身扩展到 harness 和智能体，而 agentic 评估难度大、成本高。