本地模型评测基准集合网站上线：30+小基准，支持自定义评测
EmilPi · reddit · 2026-08-02
Reddit 用户 EmilPi 分享了他构建的本地模型评测基准集合网站（beta.locallm.top），旨在解决本地模型评测缺乏领域特定基准的问题。网站支持创建基准（含查询集）、创建模型/系统提示组合（称为 Pipeline）、评估回答并查看对比表格。目前已有 10+ 个窄领域基准（每个含 5-18 个问题，由领域专家创建，涵盖食品安全、激光物理、无线网络、英国文学、心理学等）和 25+ 个小型基准（2-4 个查询，质量参差）。作者还提出了多个待改进方向，如多轮对话评估、加权平均分、RAG/结构化输出/Agentic 等 Pipeline 类型，以及是否支持音频转录/图像理解基准等。
「研究」频道最新
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 百度提出 Virtual Head Attention：同时压 KV cache、算力并保质量 — baidu · 2026-10-16
- 5.8M 参数语音事件检测器：为 Whisper 转录补上笑声呼吸与背景音 — Ayush Kumar Bar · 2026-10-16
- 华为等提出 SUPRA-Tex：单图生成可重打光 3D 材质，所见即所得 — Chen Yang · 2026-10-16
- RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶 — berkeley_ai · 2026-10-16