跳至主要內容

我們連結模型行為、資料品質及評估方法的研究。先了解系統可能在甚麼條件下失效,再探討甚麼證據能揭示這些問題。

我們探討的問題

模型穩健性

模型何時變得不可靠?

研究環境改變如何揭示整體分數未能反映的失效情況。

相關研究

資料品質

資料遺漏了甚麼?

檢視缺少的樣本、不一致的記錄,以及資料與模型行為之間的關係。

相關研究

評估與保證

甚麼證據能支持部署決策?

連結測試準則、觀察結果和風險記錄,讓決策依據可供檢視。

相關研究

實驗室筆記

AI 評估領域的原創觀察,以及註明來源的閱讀記錄。

所有筆記與閱讀記錄 ↗
所有出版內容 ↗