dair.ai 倡导企业自建模型评测体系：公共基准之外，生产环境需要 own evals

Elvis（dair.ai）在 X 上发文，主张企业不应依赖公共基准来做模型选型，而要在内部自建 evals。他认为公共基准对研究和公开讨论仍有价值，但真正判断模型能否用于生产，只有靠针对自身业务的评测。文中还提出 evals 的作用不止于衡量可靠性，而是解锁新用例、以及支撑 RSI（递归自我改进）优化的关键基础设施，结论是"evals 要 own，不要 rent"。dair.ai 表示已开始一项帮助企业内部搭建评测能力的业务，并提到与 Hamel Husain 等人的讨论。