团队会跑评测，却未必知道新版本是否真的更好
hwchase17 · x · 2026-07-26
被转发的文章主张：未来五年里，每家公司都会把 AI 用在两种地方之一——要么直接运行业务的关键环节，要么作为卖给客户的产品能力。
评论重点则落在 evals 作为学习闭环：团队往往不是不会跑评测，而是不知道候选版本是否真的优于线上版本、失败和成功该如何归因，以及如何应对评测漂移。
「漫话AGI」频道最新
- 帖子称 AGI 会很快到来，人类未必能长期保持控制 — scottleibrand · 2026-07-26
- Yudkowsky 的 AI 抗议警告被做成反差梗图 — yacineMTB · 2026-07-26
- Veritasium 说进步可无限加速，Faggella 直接反驳 — danfaggella · 2026-07-26
- 开源权重 AI 正在迎来它的 Kubernetes 时刻 — yogthos · 2026-07-26
- 有人称 Notion 本就该交给 Agent，用来处理知识工作 — ivanhzhao · 2026-07-26
- 有人直言：开源权重 AI 终将引发真实灾难 — scaling01 · 2026-07-26