Hugging Face首席政策官艾琳·索拉曼（Irene Solaiman）在TechCrunch的一场讨论中表示，AI实验室已将声誉押注于模型基准测试之上，这套评估体系被设计用来衡量不同AI产品之间的优劣，并被假定为中立且准确。但她指出，这些评估背后的方法相当复杂，且仍处于成熟过程中。

索拉曼的发言针对的是业界近期热议的“内置AI评估器”思路，即由模型自身或内嵌机制承担评估职能。她的表态意味着，这一方案在落地层面仍面临方法论上的不确定性，难以成为简单直接的替代方案。

随着AI产品竞争加剧，基准测试结果日益成为厂商宣传与用户选择的重要依据，评估体系的中立性和可靠性也因此受到更多审视。索拉曼的表态反映出，行业内部对现有评估手段的局限性已有清醒认识。