前沿AI评测缺失人类基准，人机协同评估成新焦点

随着AI基准测试日益复杂，沃顿商学院教授Ethan Mollick指出前沿AI评测正丧失与人类能力的对比这一核心环节，缺乏人类基线数据成为致命隐患。同时，业界呼吁应为人机组合建立独立评测标准，因为单独衡量模型性能会忽略AI辅助下人类真正能完成什么。斯坦福等机构也提出了CollabSkill框架，以重新评估真实职业任务中的人机协作能力。

2026-07-29 ~ 2026-07-31 · 4 条相关