Hugging Face 政策负责人：嵌入式 AI 评估器并非易事
Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，嵌入式 AI 评估器并非简单解法，评估结果的可复现性依赖开放权重，而当前评估方法之间难以有效比较且失效较快。她指出智能体评估既困难又昂贵，行业对 harness 的评估远少于对模型的评估，评估者资质标准也亟需统一。
#评测/基准
TechCrunch · AIAI 评分3838
The Verge · AIAI 评分6060 The Verge 实测一周 RTX Spark 笔记本：游戏、续航与本地 AI 表现
The Verge 三位作者用一周时间测试了搭载 NVIDIA RTX Spark N1X 的五款笔记本，包括 Surface Laptop Ultra、Asus ProArt P16、Lenovo Yoga 9n 和 HP OmniBook Ultra，售价从 3199.99 美元到 6999.99 美元。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测与“意外失败”的启示
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学转向计算机科学的经历，分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。