Artificial Analysis 公开智能评测完整方法论，覆盖十余项基准

ArtificialAnlys · x · 2026-09-05

Artificial Analysis 公开了 Intelligence Index v4.2 的完整评测方法论页面，说明指数如何综合推理、知识、数学与编程等多套评测数据集来刻画模型整体智能，并坦承任何评测指标都有局限。

文档列出了当前纳入的评测清单：agentic 类（AA-Briefcase、GDPval-AA v2、𝜏³-Banking）、编码类（Terminal-Bench v2.1、SciCode）、通用类（AA-Omniscience、GDP.pdf、AA-LCR v1.1）、科学推理（HLE、CritPt）等，还详细说明了选择题提取正则、等价性检查 LLM、代码提取等评分细节，并保留了 GPQA Diamond、MATH-500 等遗留评测的版本历史。