Laud研究所资助15支团队革新AI评估体系

Laud研究所本周推出的Slingshot AI资助计划引发轰动，该计划遴选了15个前景广阔的项目，旨在攻克人工智能领域最持久的挑战之一：我们如何真正判断一个AI系统是否运行良好？

超越传统基准测试

与典型的学术资助不同，Slingshot为研究人员提供了资金、计算能力和工程支持的罕见组合——这些资源有助于更快地将理论概念转化为实际解决方案。作为回报，团队必须交付具体成果，无论是创办初创企业、开源工具还是可发表的研究成果。

"我们看到许多绝妙的想法困在学术论文中，因为研究人员缺乏规模化测试的基础设施,"Laud研究所发言人解释道,"Slingshot消除了这些障碍。"

引发关注的入选项目

其中突出的项目包括：

• Terminal Bench：一个已在开发者中广受欢迎的命令行编码基准测试
• ARC-AGI：评估通用AI能力的权威框架最新版本
• Formula Code：加州理工与德克萨斯大学奥斯汀分校合作测试AI优化现有代码的能力
• BizBench：哥伦比亚大学为"白领"AI代理建立商业决策标准的雄心尝试

有影响力的SWE-Bench编码评估系统联合创始人John Boda Yang正在领导名为CodeClash的新项目，其灵感来自竞技编程。"动态竞争能展现静态基准测试无法揭示的优势,"Yang告诉TechCrunch,"但我们需要确保评估保持开放性——由单一公司控制的专有标准可能会阻碍进步。"

为何评估至关重要

随着AI系统承担更复杂的任务，传统测试方法往往力不从心。一个能通过编码挑战的AI也能做出明智的商业决策吗？我们如何比较专用模型与通用模型？Slingshot项目探索了多种方法，包括：

• 强化学习框架
• 模型压缩技术
• 真实世界性能指标

该计划代表着对创建与AI快速发展同步的评估标准的重大投资——许多人认为这对技术进步和负责任的发展都至关重要。

关键要点：

• Slingshot AI资助计划首届选出15个项目
• 专注于开发跨领域评估AI系统的更好方法
• 既有成熟基准测试也有新颖方法
• 将学术研究与产业级资源相结合
• 旨在防止专有标准主导该领域