Hugging Face Blog·· 2026-09-22AI 评分36
英国 AISI 如何利用 EvalEval 让 Benchmark 结果可复现
How UK AISI and EvalEval Are Making Benchmark Results Reproducible
AI 导读
英国 AI 安全研究所(AISI)利用 EvalEval 的基础设施公开分享评测结果,以提升评测科学的可复现性和可验证性。该发布包含 HealthBench、FrontierMath、Humanity's Last Exam、SWE-Bench 和 Terminal-Bench 2.0 五个基准的验证结果,覆盖 Claude Opus 4 系列、GPT-5 系列等六款前沿模型。
来源:Hugging Face Blog · huggingface.co