AI 模型评估：从基准测试到“感觉”评估

AI 模型评估通常依赖基准测试，但存在测试不精确、难以衡量真实能力等问题。一些用户通过观察模型在不同任务上的表现，如创作诗歌、编写代码等，来评估其能力，这种“感觉”评估方法虽具个性化，但缺乏客观性。企业选择 AI 系统时，应结合基准测试和实际应用场景，以更全面地评估模型性能。