人类参与评估：AI 未来仍需人类

Weights & Biases 提出人类参与评估是衡量大语言模型效果的关键，强调需理解人类对 AI 的实际体验。该方法主张结合自动化指标与人工反馈，以更全面地评估模型表现。文章指出，当前仅依赖自动化评估可能忽略模型在真实场景中的交互质量与用户感受。