Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.00875v1

帮助 | 高级搜索

计算机科学 > 计算机与社会

arXiv:2508.00875v1 (cs)
[提交于 2025年7月22日 ]

标题: 对严格GPAI模型评估的初步建议

标题: Preliminary suggestions for rigorous GPAI model evaluations

Authors:Patricia Paskov, Michael J. Byun, Kevin Wei, Toby Webster
摘要: 本文提出了一个通用人工智能(GPAI)评估实践的初步汇编,这些实践可能有助于促进内部有效性、外部有效性和可重复性。 它包括对人类提升研究和基准评估的建议,以及可能适用于许多不同评估类型的跨领域建议。 建议按照评估生命周期的四个阶段进行组织:设计、实施、执行和文档记录。 结合机器学习、统计学、心理学、经济学、生物学及其他被认为对AI评估有重要教训的领域的现有实践,这些建议旨在为通用人工智能评估这一新兴且不断发展的科学领域提供讨论贡献。 本文档的目标读者包括展示系统性风险(GPAISR)的通用人工智能模型提供者,欧盟人工智能法案为其设定了具体的评估要求;第三方评估人员;评估严谨性的政策制定者;以及开发或进行通用人工智能评估的学术研究人员。
摘要: This document presents a preliminary compilation of general-purpose AI (GPAI) evaluation practices that may promote internal validity, external validity and reproducibility. It includes suggestions for human uplift studies and benchmark evaluations, as well as cross-cutting suggestions that may apply to many different evaluation types. Suggestions are organised across four stages in the evaluation life cycle: design, implementation, execution and documentation. Drawing from established practices in machine learning, statistics, psychology, economics, biology and other fields recognised to have important lessons for AI evaluation, these suggestions seek to contribute to the conversation on the nascent and evolving field of the science of GPAI evaluations. The intended audience of this document includes providers of GPAI models presenting systemic risk (GPAISR), for whom the EU AI Act lays out specific evaluation requirements; third-party evaluators; policymakers assessing the rigour of evaluations; and academic researchers developing or conducting GPAI evaluations.
评论: 加利福尼亚州圣莫尼卡:兰德公司,2025年。发表为兰德专家评论文章,网址为:https://www.rand.org/pubs/perspectives/PEA3971-1.html
主题: 计算机与社会 (cs.CY)
引用方式: arXiv:2508.00875 [cs.CY]
  (或者 arXiv:2508.00875v1 [cs.CY] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.00875
通过 DataCite 发表的 arXiv DOI
期刊参考: PE-A3971-1
相关 DOI: https://doi.org/10.7249/PEA3971-1
链接到相关资源的 DOI

提交历史

来自: Kevin Wei [查看电子邮件]
[v1] 星期二, 2025 年 7 月 22 日 03:27:42 UTC (482 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
许可图标 查看许可
当前浏览上下文:
cs.CY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号