BenchmarkList整合2400+基准
davidtsong · x · 2026-07-16
帖子介绍了 BenchmarkList：一个用来跟踪 AI 基准、模型和能力的统一入口。
项目方表示，他们把散落在论文、网站和帖子中的 2400+ 个 benchmark 汇总到一起，用户可以：
- 追踪新的 benchmark 和模型
- 横向对比不同模型
- 观察模型能力变化
- 将 AI 进展映射到人类岗位上
这类产品的价值主要在于把分散的评测信息结构化，方便持续看 AI 能力演进。
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
- 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
- CMU 提出 LLM2Cert：LLM 生成证书，SMT/Lean 自动验证 — CarnegieMellonU · 2026-10-27