（来源：上观新闻）
从更宏观👼🇨🇾的角度🔫来看，这⛵项研究揭📆示了AI发展过🌟💬程中的一个🐤重要趋🅿👩⚖️势：简单📡◾粗暴的性能🌵指标已经不足以🤣指导技术发展，🔝🥀我们需要🍾更精细、🏳🐯更全面的评估🥴🚂体系🇯🇴🚻。
Anth🥩ropic🥏🍋 内部已经在🚄◻用 Anth⚪💼ropic 内7️⃣🧺部已经将 🦑Rou🗨🇧🇷tines 用🇪🇭👨🔬于文档维护和🦍🛷 Bac🏒🦋klog👩👧👧 管理🥁🥉。
我们保🍧国产精品四虎留了完整🕑🔵的测试集，但通过🎭🧗♀️随机缩减将关🕹🏙注范围聚焦🇭🇳于那些最有🇸🇳可能存™🐑在回归问题◻或需要🌒尽快修复的⛱基础设施🈚🌙问题的失😷败案例🥿。在大多数构建中，🇧🇸如果通♻过策略👆性地省略许多复🙋杂的测🗻试来缩小🐅测试结💠果的样本量，就会🈵导致这些难以🚜察觉的缺😢👩👩👦👦陷所发🍙🐷出的微弱信🇬🇮🗳号被漏掉🤤🆒。
