Kaggle 在 Bench Summit 2026 指出 AI 基准测试的四大问题
Kaggle 直接说现有排行榜不可靠了,饱和、没法验证、跟真实工作流脱节。他们联合 Google DeepMind 做开放基准平台,公开评测轨迹加独立审计。做模型选型或自己搭评测的人值得看看这套思路。
Kaggle 直接说现有排行榜不可靠了,饱和、没法验证、跟真实工作流脱节。他们联合 Google DeepMind 做开放基准平台,公开评测轨迹加独立审计。做模型选型或自己搭评测的人值得看看这套思路。
LMArena 搞了个 Agent 对比的竞技场,可以围观各家 Agent 同题 PK,看看谁家真的更强。
微软MAI-Image-2.5在图像编辑质量上超越了多个主流模型,做AI图像生成或编辑的团队可以关注这个新基准,直接对比现有方案。