微软研究播客：AI 的失败与评估

微软研究播客对话 Jennifer Neville，探讨评估在推动 AI 系统性能边界中的作用，以及模型在传统基准测试之外出现的“意外失败”。Neville 分享了与当前 AI 系统协作的实用指导，并强调当结果违背预期时仔细审视数据的重要性。