论文官方一手
英国 AISI 与 EvalEval 推进基准测试结果可复现
How UK AISI and EvalEval Are Making Benchmark Results Reproducible
精选理由
评测榜单上的数字经常复现不出来，英国 AISI 和 EvalEval 干的就是帮你重新跑一遍验证，搞评测的可以看看。
英国 AI 安全研究所（UK AISI）与 EvalEval 合作，让基准测试结果可以被第三方复现。EvalEval 平台对模型评测结果进行独立重跑验证，减少论文或榜单中数字无法复现的问题。这套流程已在实际基准评测中落地运行。
