Show notes
上一集我們聊到 Claude Code 品質波動事件。表面上看，這像是一場產品事故；但如果往深一層看，真正值得 AI 專案決策者在意的，不只是「模型有沒有變笨」，而是：同一個模型，只要供應商調整背後的參數、快取邏輯、配額策略或 reasoning effort，你拿到的品質就可能跟著改變。這集也會提醒你，未來選 AI 工具或模型供應商時，不能只看 benchmark、demo 或「能力天花板」，更要看它能不能穩定交付。對真實專案來說，一個 80 分但穩定的系統，往往比一個 95 分但波動很大的系統更有價值。因為 AI 專案最怕的不是模型不夠強，而是團隊無法預期它什麼時候會失準。如果你正在負責 AI 專案、評估模型供應商，或需要判斷 AI 產品能不能上線，這集會幫你把「供應商穩定性」正式放進專案評估框架裡。📊———⚙️🤖【數創活動資訊 】🤖⚙️———📊AI Eval 公開體驗課｜從企業 AI 專案常見的驗收困境出發，聊聊為什麼「看起來還不錯」可能是最危險的判斷。若你正在參與 AI 專案，需要釐清 Demo、測試分數與實際品質之間的落差，這場很適合一聽。05/21 (四） 19:00 - 20:00👉https://accu.ps/syeurS⚛️ 數創實驗室 DatainnoLab活動資訊｜https://p.accu.ps/8s5utf電子報｜https://datainnolab.pse.is/8edx6kLINE 社群｜https://datainnolab.pse.is/8s5uy5標籤