谁来评测评测者？好评测的标准

X：TypeSafe AI (@typesafeai)2026年10月19日 02:01AIHOT スコア 35/100

要約

谁来评测那些评测者？一个好的评测是： - 短暂的。它只截取某一时刻的状态与能力。 - 有依据的。它直接衡量你关心的任务和数据上的表现。 - 具体的。它针对的是期望结果本身，而不是其某种代理指标。记好了！

who benchmarks the benchmarkers?