最佳停止：英國 AI Security Institute 的 optstop 如何節省評測計算資源

英國 AI Security Institute 開發並開源 Python 套件 optstop，按模型表現估計的精度或穩定程度提前停止評測抽樣。在涵蓋三類評分方式、三種預期模型表現水平，以及 MATH、GPQA Diamond 和 WritingBench 等公開基準的測試中，optstop 節省 57% 至 97% 的預定運行次數，且未影響分數估計。