评测基础设施拖慢企业AI落地
joecole · x · 2026-07-12
这条转发讨论了一个越来越明显的问题：**模型进步速度已经超过了 benchmarking/eval 基础设施的承载能力**，导致“测性能”本身变得更笨重、更昂贵。 主要观点包括： - 企业 AI 采用的障碍，不只是模型能力或训练成本，更是**缺少能准确映射业务 KPI 的自定义评测**。 - 许多 post-training 之所以难落地，是因为从“合成/生产数据”到“后训练流程”再到“基准测试”再到“真实业务”的链条中，任务真实性不断被稀释。 - 也因此，今天的数据市场更像是在做“任务现实性翻译”，而不是直接解决业务问题。 整体上，这是一段关于 **评测基础设施、post-training 与企业落地之间脱节** 的长观点。