Epoch AI 推出 Benchmark Reviews:首批判 15 个榜单,9 个有缺陷
Jsevillamol · x · 2026-09-18
AI 研究机构 Epoch AI 宣布启动 Benchmark Reviews 计划,系统性审计 AI 基准测试。首批覆盖 15 个知名 benchmark,审计结果:仅 4 个通过验证(Verified),9 个存在缺陷(Flawed),另有 2 个信息不足以评审。该计划旨在解决 AI 榜单普遍存在的质量与可比性问题。
所属事件:Epoch AI 首批审计 15 个基准：9 个有缺陷(22 条相关)→
「研究」频道最新
- Noetra 员工分享首秀：为多模态 LLM 从零造图像编码器 — HirokatuKataoka · 2026-11-04
- 日本团队全自研图像编码器，媲美 SigLIP2 并支持中日英 — HirokatuKataoka · 2026-11-04
- LLM-as-judge 该怎么报置信度？开发者拒绝 0-100 分的三条理由 — jokiruiz · 2026-11-04
- 清华 BEMULA 基准:AI 智能体记忆遗忘端到端通过率不足 1.5% — rohanpaul_ai · 2026-11-04
- KAIST 提出 FactEmbed：分解式潜在向量改进组合图像检索 — kaist-ai · 2026-11-04
- Intology Locus 自动设计分子模型，击败 GPT-6 与 Claude 智能体 — rohanpaul_ai · 2026-11-04