Anthropic 发布 Evals 指南遭 Hamel Husain 实测质疑

Anthropic 发布了一套新的 Evals(评估体系)相关资料,聚焦 agent/LLM 评估工程,知名 AI 工程专家 Hamel Husain 表示正在研读并组织相关人士一起拆解这份材料。他实测后指出指南存在三个主要问题,其中最关键的是工作流顺序错误:该指南建议先创建评测再让用户纠正错误,而他主张应先查看数据再写评测。

2026-09-29 ~ 2026-09-29 · 3 条相关