Microsoft 研究员 Jennifer Neville 谈 AI 评测的意外失败与真实世界表现

Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测如何推动当前 AI 系统突破传统 benchmark 的性能边界，以及模型在超出传统基准测试时出现的"意外失败"。她指出，当结果偏离预期时，仔细审视训练数据至关重要，并分享了使用当前 AI 系统的实用建议。