Ngành
Các bài kiểm tra đánh giá AI hiện nay đang quá khắt khe và thiếu thực tế
(giờ Việt Nam)
Nguyên văn trên X
it's basically impossible to interpret evals by looking at just at the pass/fail scores these days …
Dịch · tóm tắt AI
Các bộ tiêu chuẩn đánh giá AI đang trở nên quá cứng nhắc với những bài kiểm tra ẩn, khiến kết quả không còn phản ánh đúng năng lực thực tế của mô hình, ngay cả khi câu trả lời của AI hợp lý hơn đáp án kỳ vọng.
Bài viết được AI dịch và tổng hợp tự động từ X: Thariq (@trq212). Liên kết bài gốc ở phía trên. Dữ liệu đồng bộ qua API công khai được ghi nguồn tại AI HOT (canonical) ↗. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.