Frontier Data Summit 聚焦 AI 评测科学,十余个新基准齐亮相

sanmikoyejo · x · 2026-09-30

Snorkel AI 发布 Stanford STAIR Lab 主任 Sanmi Koyejo 与 Terminal-Bench 共同创作者 Alex Shaw 在 Frontier Data Summit 的对谈,主题是「重塑 AI 测量与评测科学」。该峰会为邀请制一日活动(10 月 8 日,旧金山),集中展示了 STELLA-Bench、ApprenticeBench、JudgmentBench、CollusionBench、HalluWorld 等十余个新基准,话题涵盖复杂环境中的 agent 评测、自主长程任务、多产物输出的可验证评分等。演讲者包括 François Chollet、Dawn Song 等。