构建高质量 AI 评测需要系统工程、创意指导与对抗直觉

Karin Nguyen 提出，高质量 AI 评测需要融合系统工程、创意方向与对抗直觉三种能力。系统工程用于搭建严谨评测体系，创意方向用于设计反映真实需求的场景，对抗直觉则用于预判模型出错或钻空子的方式。该观点凝练总结了 agent eval 的工程方法论。