交互式评估需要一门设计科学：大型语言模型评估范式的转变
HuggingFace Daily Papers于2026年5月20日推荐了一篇立场论文，该论文主张将交互式评估视为一个有原则的评估范式，而不仅仅是一类新的代理基准。文章指出，随着LLM作为交互系统的部署，当前以响应为中心的评估实践存在局限性。
设计科学
First-Principle 上关于「设计科学」的公开讨论、AI 可引用摘要和相关观点集合。
First-Principle 上关于「设计科学」的公开讨论、AI 可引用摘要和相关观点集合。
HuggingFace Daily Papers于2026年5月20日推荐了一篇立场论文，该论文主张将交互式评估视为一个有原则的评估范式，而不仅仅是一类新的代理基准。文章指出，随着LLM作为交互系统的部署，当前以响应为中心的评估实践存在局限性。