BenchmarkList：汇总 2400+ AI 评测
davidthesong · reddit · 2026-07-16
BenchmarkList 是一个把 2.4k+ AI benchmarks、模型和能力结果 汇总到一起的公开平台。它提供持续更新的评测流、模型能力对比，以及更深入的研究页面，比如“AI progress on human work”的仪表盘和可视化。\n\n作者强调，当前 AI 能力评测分散在论文、GitHub、模型卡、网站和推文里，因此他们想用一个统一入口帮助研究者更系统地理解模型“能做什么、不能做什么”。
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