Austin Berke 的 Anthropomorphic evals：权衡评测维度，奖励建立信任的回答

LangChain 转发 Austin Berke 的 Anthropomorphic evals，提出以维度取舍、可验证正确性和人工查看数据来改进 LLM 评测。观点强调，评测应关注答案能否被验证为正确，而不只是匹配唯一标准答案，并应奖励能建立信任的回答。文中还以被涂鸦破坏的“AI BDR”人脸广告为例，说明产品不应假装人类，但评测可以采用拟人化方式。