梁漩智
这两天翻脉脉上的 AI Agent 岗位，我注意到一个变化：不少 JD 已经不先写模型能力，而是先写评测集、回归测试、可观测和调度系统。Anthropic 6 月提到，Mythos 5 的部分高风险能力先只放进 Project Glasswing，交给少量网络防御方和基础设施提供方。我理解这不是保守，而是一个很现实的信号：能力越强，越要先放进可评测、可回放、可追责的环境里。所以我判断一个团队的 AI 是否真的进了生产，不先听它有多少 Agent，而看三件事有没有写死：固定评测集、版本升级后的自动回归、同类错误的回放复盘。这三样没立住，再多 Agent 也只是把 Demo 放大。#AI落地 #AIAgent #评测体系 #回归测试
发布于 上海
2
1
1
未登录
友善发言
评论
加载中
