AI 错在哪里，失败又教会了我们什么

微软研究员 Jennifer Neville 与 Microsoft Research 的 Chad Atalla 在微软研究播客中探讨评估在推动 AI 系统性能、满足用户需求中的作用，以及模型在传统 benchmark 之外被测试时出现的"令人意外的失败"。她分享了与当前 AI 系统协作的实用建议，并强调当结果违背预期时，仔细审视数据的重要性。