Tejal Patwardhan, a frontier evals csapat vezetője beszélt Andrew Mayne-nel arról, hogy a hagyományos benchmarkok telítődnek vagy manipulálhatók, ezért fontos új, átfogóbb módszereket alkalmazni a modellek előrehaladásának mérésére és előrejelzésére. A vita a modellek értékelési kritériumainak bővítését sürgeti.
Szükség van új értékelési módszerekre a modellek megbízható méréséhez
Tejal Patwardhan, a frontier evals csapat vezetője beszélt Andrew Mayne-nel arról, hogy a hagyományos benchmarkok telítődnek vagy manipulálhatók, ezért fontos új, átfogóbb módszereket alkalmazni a modellek előrehaladásának mérésére és előrejelzésére.
