我们很高兴投资Vals。 一个前沿模型在排行榜上可能表现出色，但在实际世界中处理真正重要的复杂工作时却可能表现不佳。 @ValsAI采用了一种完全不同的评估方法：测试模型是否能完成人们真正希望它们完成的工作，而不是应对人为设计的考试。 这个团队与领域专家合作，将真实的工作流程转化为严格的基准测试，然后构建自动评分系统，以专家标准评估最终的工作成果。 我们很高兴与@RayanKrishnan、@langstonnashold以及整个Vals团队合作，共同构建支撑AI经济的信任层。 By @JenniferHli, @stuffyokodraws, @RaghuRaghuram, and @shangdaxu