Forskare från Princeton, Stanford, UK AI Security Institute och Brookings har publicerat en rapport med titeln *Emerging Trends in AI Agent Evaluation*. Den går igenom 33 trender inom metoder, forskningsagenda och utvärderingsekosystemet. Författarna konstaterar att det nu kostar tiotusentals dollar i molnkrediter att utvärdera agenter, och att verktygen som används för att granska agenternas spår ännu inte har testats. De efterlyser fler utvärderare från olika discipliner, bättre riktmärken och transparenta, oberoende tester.
Varför det spelar roll
Beslutsfattare och finansiärer kan använda rapportens checklista för att fördela resurser till oberoende och transparenta tester av AI-agenter.
