प्रिंसटन, स्टैनफोर्ड, UK AI Security Institute और Brookings के शोधकर्ताओं ने *Emerging Trends in AI Agent Evaluation* नाम का एक पेपर जारी किया है। इसमें तरीकों, शोध की प्राथमिकताओं और मूल्यांकन के पारिस्थितिकी तंत्र से जुड़े 33 रुझानों का सर्वेक्षण किया गया है। लेखकों का कहना है कि अब एजेंटों का मूल्यांकन करने में क्लाउड क्रेडिट पर दसियों हज़ार डॉलर खर्च होते हैं, जबकि एजेंट के कामकाज के रिकॉर्ड की जांच के लिए इस्तेमाल होने वाले टूल खुद अब तक परखे नहीं गए हैं। वे अधिक बहु-विषयक मूल्यांकनकर्ताओं, बेहतर बेंचमार्क और पारदर्शी, स्वतंत्र जांच की मांग करते हैं।
यह क्यों मायने रखता है
नीति-निर्माता और वित्तपोषक इस पेपर की चेकलिस्ट का इस्तेमाल AI एजेंटों की स्वतंत्र और पारदर्शी जांच के लिए संसाधन तय करने में कर सकते हैं।
