Felix Chen、Stephan Rabanser、Sayash Kapoor、Arvind Narayanan 等 · 阅读材料
值得学什么
这份评测趋势材料把方法、范围和评价生态分开，适合检查一份评测是否把模型、工具环境与组织效果混在一起。
准备
适合做过基本模型或 Agent 评测的读者。
动手试试
选一个真实工作流，分别写出结果指标、过程证据和人的介入点；再标明每项指标能支持什么结论、不能支持什么结论。
阅读依据
已读 Normal Technology 正文及研究项目页，重点核对整套系统评测、过程与结果、裁判校准及独立性讨论；未取得 PDF 全文。