Artificial Analysis 发布决策模型榜单：四项评测各占 25% 权重
kalyan_kpl · x · 2026-10-15
Artificial Analysis 推出「Artificial Decision Index」，用于评测决策模型在分类、工具调用、知识、幻觉与推理上的综合表现。榜单组合四项各占 25% 权重的评测：
- AA-Omniscience-Decision：改编自知识/幻觉基准 AA-Omniscience 的私有数据集（准确率 12.5% + 非幻觉率 12.5%）
- HLE-MultiChoice：Humanity's Last Exam 的纯文本选择题，考察推理
- When2Call：NVIDIA 的工具调用评测
- WildGuardTest：安全分类评测，取平均 F1
所有评测由 Artificial Analysis 独立进行。榜首模型得分 58，前几名差距很小（54/54/53/53），整体分数集中在 48-58 区间，说明决策类任务上各家差距不大。
所属事件:Artificial Analysis 推出决策模型榜单 Decision Index(2 条相关)→
「模型」频道最新
- GPT-6 零样本挑战 NIST 电路板装配,花费 3.98 美元部分完成 — DJiafei · 2026-10-15
- vLLM 实现Step 5 Preview日0支持：稀疏prefill延迟降2.2% — vllm_project · 2026-10-15
- vLLM 详解 Step 5 Preview 稀疏注意力：先选区域再读历史 — vllm_project · 2026-10-15
- vLLM 官宣 Step 5 Preview 日 0 支持，横跨 Blackwell 与 Hopper — vllm_project · 2026-10-15
- 离线3D建埃菲尔铁塔,Claude与Grok凭记忆写全72位科学家名字 — ArtificialAnlys · 2026-10-15
- 你的提示词不止是眼前文字：模型可能带上你公开发布过的一切 — repligate · 2026-10-15