跳到正文
原文
Hugging Face Blog·· 2026-09-22

UK AISI 与 EvalEval 合作实现基准测试结果可复现

How UK AISI and EvalEval Are Making Benchmark Results Reproducible

SI 导读

UK AISI 利用 EvalEval 基础设施公开分享评估结果,以支持更可复现和可验证的评估科学。此次发布包含 HealthBench、FrontierMath 等五个基准在 Claude Opus 4.6 和 GPT-5.4 等六个前沿模型上的验证结果及配置信息。

SI 评分42

来源:Hugging Face Blog · huggingface.co

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有