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
- 拆解两款真实「公司大脑」：Slite 与 Gorgias 同台对比构建之道 — femke_plantinga · 2026-09-11
- 浏览器主线程很贵:动画卡顿的真正成本与前端优化实践 — jh3yy · 2026-09-11
- 开源工具 Claude Unlimited：多账号轮换让 Claude Code 会话不断线 — Similar_Injury_6739 · 2026-09-11
- 受 OpenAI 万机群启发，开发者开源 agent 众包解题平台 — Benjaminsen · 2026-09-11
- 开源 Mac 应用 Lucid：只在跑 AI 时阻止笔记本休眠 — Pitiful_Hedgehog_600 · 2026-09-11
- 20kb 函数匹配达成,banteg 召集 AI 逆向 Snail Mail 剩余 20 个挑战 — banteg · 2026-09-11