Microsoft 研究员 Jennifer Neville：AI 评测如何暴露模型的“意外失败”

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”。她结合自身从数学、物理、认知科学到计算机科学的经历，分享了与当前 AI 系统协作的实用建议，并强调当结果偏离预期时应仔细审视数据。