arXiv cs.CY· Ruchira Dhar, Danae Sanchez Villegas, Antonia Karamolegkou, Alice Schiavone, Yifei Yuan, Xinyi Chen, Jiaang Li, Stella Frank, Laura De Grazia, Monorama Swain, Stephanie Brandl, Daniel Hershcovich, Anders S{\o}gaard, Desmond Elliott·· 11 小时前AI 评分24
EvalCards：面向标准化评估报告的框架
EvalCards: A Framework for Standardized Evaluation Reporting
AI 导读
研究者提出 EvalCards 框架，用于标准化通用 AI（GPAI）模型的评估报告。该工作通过文献回顾指出当前评估报告在可复现性、可访问性和问责制三方面存在不足，并给出该框架的关键维度与一份简洁评估摘要的初步格式。
正文 · AI 翻译
作者：Ruchira Dhar、Danae Sanchez Villegas、Antonia Karamolegkou、Alice Schiavone、Yifei Yuan、Xinyi Chen、Jiaang Li、Stella Frank、Laura De Grazia、Monorama Swain、Stephanie Brandl、Daniel Hershcovich、Anders Søgaard、Desmond Elliott
摘要：评估报告指导通用人工智能（GPAI）模型的使用，但报告方式不一致往往使关键问题得不到解答。通过回顾已有工作，我们识别出当前评估报告实践中的三个核心问题：可复现性、可访问性和可问责性，并考察现有报告产物在应对这些问题上的不足。我们提出 EvalCards 框架，概述其关键维度，并给出简洁评估摘要的初步格式。最后，我们讨论该框架如何指导评估报告标准的未来发展。
| 评论： | 版本 2：更新了评审细节、图表以及 GPAI 案例研究的具体内容 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2511.21695 [cs.CL] |
| （或使用 arXiv:2511.21695v2 [cs.CL] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2511.21695 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Ruchira Dhar [查看邮箱]
[v1]
2025年11月5日 星期三 19:01:48 UTC（159 KB）
[v2]
2026年10月23日 星期五 13:35:53 UTC（174 KB）
来源：arXiv cs.CY · arxiv.org