Epoch AI 审计 15 个 AI 基准：9 个有缺陷，仅 4 个通过验证
Jsevillamol · x · 2026-09-19
Epoch AI 推出 Benchmark Reviews 计划，系统性审计 AI 评测基准，首批覆盖 15 个基准：4 个获 Verified 认证，9 个被发现存在缺陷，另有 2 个因信息不足无法评审。该计划旨在回应 AI 基准质量参差、测评结果可信度不足的问题。
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