تقييم النماذج

تحليل المعايير

ما أخطأت فيه ثلاثة معايير ذكاء اصطناعي بشأن الأداء في العالم الحقيقي

تُعتبر معايير الذكاء الاصطناعي مثل MMLU المعيار لمقارنة النماذج، لكن ثلاث حالات حديثة تُظهر أنها تفتقد أبعادًا حاسمة. يفتقر نموذج Nemotron-4 من Nvidia إلى التحقق المستقل، بينما يقايض Celeris-1 الدقة بالسرعة، وأفضل ذكاء اصطناعي لمراقبة مسببات الأمراض لا يتجاوز نصف المهام. تشير الأدلة إلى الحاجة إلى أطر تقييم تقيس ما يهم في الممارسة العملية.

2026-07-29