AI 基准测试报告了大型语言模型（LLMs）在特定任务上的表现，但对其驱动性能的基本能力提供的洞见有限。这些基准测试无法解释失败或可靠预测新任务的结果。为了解决这一问题，微软研究人员与普林斯顿大学和瓦伦西亚理工大学合作，推出了 ADeLe。该系统旨在预测和解释 AI 在不同任务中的表现，通过分析模型的能力和局限性，为研究人员和开发者提供更深入的理解，从而提升 AI 系统的可靠性和适应性。...