Evaluation（评估）是衡量系统、模型或过程性能、安全性、公平性等指标的关键方法，在人工智能领域尤为重要，涉及从能力测试到风险治理的多维度评测。近期，评估研究聚焦于大语言模型的安全、公平性及动态环境下的可靠性，催生了多项新基准和方法。
Evaluation 近期进展
当前焦点与观察点
当前Evaluation的焦点集中在标准化与动态适应性上：一方面，需要统一的安全评估框架以应对AI系统性风险，如联合测试和诡计检测；另一方面，评估须随环境变化（如概念漂移）和部署场景（如多语言、文化差异）持续演进。此外，公平性评估面临主观定义难题，例如政治偏见和文化理解的量化缺乏唯一标准。未来，评估将更强调可解释性与透明度，以平衡模型能力与治理需求。