AISI 研究者推动评测报告标准化，平台已收录 67.5 万评测数据点
evijit · x · 2026-09-23
英国 AISI（AI 安全研究所）研究者与 Evaluating Evals 合作，推动 LLM 评测报告的技术标准：评测成绩若不报告产生它的实验配置，就难以解读和比较。作为第一步，他们已向该平台贡献了经过验证的评测结果。该项目作者 evijit 透露，平台评测数据点现已突破 67.5 万。这一进展获得了「来自 AISI 的背书」式的验证。
所属事件:英国 AISI 联手 EvalEval 推出 Eval Cards 开放评测(5 条相关)→
「安全」频道最新
- ECIR 2027 设 SAFE-SEARCH 研讨会，聚焦对话式搜索安全，1 月 15 日截稿 — HamedZamani · 2026-11-12
- Toby Ord：部署前强制测试意义有限，内部模型才是最大风险源 — ben_j_todd · 2026-11-12
- 观点争锋：AI 失控与权力集中风险主要藏在企业内部部署的模型里 — ben_j_todd · 2026-11-12
- 数据中心的账：支撑美国科技业 20% 与十年股市涨幅约一半 — SydSteyerhart · 2026-11-12
- Scale AI 论文：374 次攻击中 36% 成功，模型可在自训练迭代中暗中搞破坏 — Miles_Brundage · 2026-11-12
- 审计发现：LLM 医学伦理决策近乎确定，系统性低估患者自主权 — zakkohane · 2026-11-12