人物
Aparna Dhinakaran
AI工程领域的演讲者和从业者，活跃于AI工程师社区，关注AI评估与工程实践方向
时间轴 (近 90 天)
10月25日
Dhinakaran主张AI工程师应该把更多时间花在写eval上，并且需要「评估评估器」：构建黄金标准数据集，用人工输出验证eval结果，确保judge与人类判断一致后才发布新的评估器。
待验证50%
10月25日
Dhinakaran认为AI工程师的核心能力新定义是「定义什么是好的」，当智能体承担越来越多执行工作时，人类工程师的价值集中在判断标准的建立与校准上。
待验证50%
10月25日
Dhinakaran建议不仅要追踪构建的智能体，还要追踪构建这些智能体的编码智能体——Claude Code、Cursor、Codex的调用链路都应被记录。
待验证50%
10月25日
Dhinakaran承认实验室环境与真实企业之间存在明显差距，企业数据远比实验室里受控可测的数据混乱。
待验证50%
全部知识事实 (4)
待验证
Dhinakaran主张AI工程师应该把更多时间花在写eval上，并且需要「评估评估器」：构建黄金标准数据集，用人工输出验证eval结果，确保judge与人类判断一致后才发布新的评估器。
50%待验证Dhinakaran认为AI工程师的核心能力新定义是「定义什么是好的」，当智能体承担越来越多执行工作时，人类工程师的价值集中在判断标准的建立与校准上。
50%待验证Dhinakaran建议不仅要追踪构建的智能体，还要追踪构建这些智能体的编码智能体——Claude Code、Cursor、Codex的调用链路都应被记录。
50%待验证Dhinakaran承认实验室环境与真实企业之间存在明显差距，企业数据远比实验室里受控可测的数据混乱。
50%