Google 工程师用冯·诺依曼 1948 年名言定义「评测」

Google 员工 DynamicWebPaige 发帖，用冯·诺依曼 1948 年名言区分 evals 与 benchmarks：他称，若能精确指出机器做不到的事，就能造出恰好做到它的机器。该说法将基准测试指向已被解决的具体问题，而评测用于持续追问模型能力的边界。