BenchmarkList 聚合 2400+ 基准
davidtsong · x · 2026-07-16
他们上线了 BenchmarkList，目标是把分散在论文、网站和帖子里的 AI benchmark 统一到一个地方。
当前已聚合 2400+ 个 benchmark，支持：
- 跟踪新的 benchmark 和模型
- 横向比较模型表现
- 把 AI 进展映射到人类工作的能力需求上
所属事件:BenchmarkList 上线汇总 2400 余个 AI 评测基准(4 条相关)→
「研究」频道最新
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27
- EMNLP 论文：让 LLM 换个问法，「42」变「3」但蝴蝶仍是帝王蝶 — radamihalcea · 2026-10-27
- Datology Curation Studio 线上深潜：少于 20% 算力匹配最强基线 — josh_wills · 2026-10-27
- KANLab 开源：浏览器里可视化玩转 KAN 网络 — Lukas Niehaus · 2026-10-27