计算机科学 > 计算机与社会
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.