AI 代理評估陷阱多 Wolfram Ravenwolf揭榜單成本盲點

AI 工程師 Wolfram Ravenwolf 與 Weights & Biases 合作，揭露了評估 AI 代理表現的複雜性，指出排行榜分數可能受資料集版本、運算資源、系統設定等隱藏變數影響，並發現較便宜的模型可能因 Token 消耗量大，導致實際成本遠高於更先進的模型。