「AI評估」相關新聞

AI基準測試（Benchmark）是什麼？為什麼你不能完全相信排行榜？

聽說過MMLU、HumanEval、GPT-4比Claude強？這些都來自AI基準測試！但研究者最近發現：很多基準測試其實不太可靠。本文用簡單語言解釋AI基準測試是什麼，以及為什麼你不能盲目相信排行榜。