#AI基准测试

共 7 条 · 7 天 0 条 · 30 天 2 条

信息流里打上「AI基准测试」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月30日

Artificial Analysis在首尔办了场AI聚会，有美国专家讲任务成本，SK电信和TrillionLabs展示了他们的AI模型进展。

官方账号Artificial Analysis@ArtificialAnlys原文

9月19日

Andreessen Horowitz 资助的 Vals AI 要做 AI 基准测试平台，能更中立地评估模型性能，和现在很多公司自己做的测试比更可信。

techcrunch@Lucas Ropek原文

9月10日

IBIB协议解决了企业AI系统评估的测量误差问题，提供了新的评估方法和算法，对AI系统开发者很有参考价值。

arXiv cs.LG@Blake Stenstrom 等 3 人原文

Benchmark和Vercel联手搞AI基准测试，看看哪家模型更靠谱，帮你选对工具。

Guillermo Rauch@rauchg原文

9月4日

Apodex发布了包含218个测试场景的AI基准平台，首批聚焦生物医学等三大领域，提供真实世界问题评估。

elvis@omarsar0原文

Apodex新出的TRACES基准，专门测AI在答案不确定时的发现能力，对研究型智能体很重要。

elvis@omarsar0原文

6月29日

Opus 4.7只用14小时和251块就干完了人类几周的活，虽然还有瑕疵，但进步真的快。

Ethan Mollick@emollick原文