标签
本文介绍了EvalCards，这是一种操作框架，通过将基准元数据、评估运行数据和模型元数据组合成一个统一记录，并包含可重现性、完整性、来源、风险和分数可比性的解释性信号，从而标准化AI评估报告。作者在数千个模型和基准测试中部署了一个监控工具，揭示了当前报告实践中的系统性差距。