评测本身就是系统问题
skairam · x · 2026-07-20
Simile 把评测看成一个系统问题：当模型在预测人类行为时，真实标注本身也可能是噪声化、异质化的。
因此，版本管理、数据血缘、数据质量和可复现执行不只是“基础设施”，而是评测方法论的一部分。原帖同时提到正在招聘 Evaluations Engineer。
所属事件:SimileAI 将模型评测视为系统工程(4 条相关)→
「编程与Agent」频道最新
- Claude Code 用法心得：max 档做规划，xhigh 档做实现 — majidmanzarpour · 2026-10-27
- Chrome 团队详解 WebMCP：不是取代 MCP，而是让网站直接向 agent 提供工具 — rseroter · 2026-10-27
- Agent 绕过 UI 就能改已审批报销单?Agent-Native 框架要堵这个洞 — rseroter · 2026-10-27
- 开发者晒 AI 编码智能栈：人定方向 Opus 写码 Astra 审查，人类只做审阅 — sh_reya · 2026-10-27
- Baseten 网络课：用自有合并 PR 建 benchmark,按每成功任务成本评估开源模型 — baseten · 2026-10-27
- Thorsten Ball 谈 Agent 工作法：多用评测、多上自动化、放手让 Agent 干 — omarsar0 · 2026-10-27