Hugging Face Blog·· 11 天前精选AI 评分62
UK AISI与EvalEval合作公开可复现的模型评测结果
How UK AISI and EvalEval Are Making Benchmark Results Reproducible
AI 导读
UK AI Security Institute（AISI）正使用EvalEval基础设施，通过Evaluation Cards公开五项基准测试的评测方法、结果、背景与配置信息。相关结果覆盖Claude Opus 4、Claude Opus 4.5、Claude Opus 4.6、GPT-5、GPT-5.2和GPT-5.4，并包含Cyber CTFs与The Last Ones的网络安全评测。
推荐理由
AISI将经过验证的评测结果及配置信息公开到EvalEval平台，为研究者比较不同设置下的模型表现提供了可复现、可核验的参考数据。
来源：Hugging Face Blog · huggingface.co