两个 AI 评委给智能体答案打 0.85 分，但它从未打开过文件
Two AI judges scored our agent's answer 0.85, but it never opened the file
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
两个 AI 评委给某智能体的答案打出 0.85 分，但该智能体实际上从未打开过相关文件。这一案例暴露了以 AI 评委打分评估智能体表现时可能出现的评分失真问题。
来源：tenureai.dev（经 Hacker News） · tenureai.dev