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。