Artificial Analysis 推出 Decision Index,评测决策模型新品类
ArtificialAnlys · x · 2026-10-16
Artificial Analysis 宣布持续开发 Decision Index,帮助开发者与企业理解「决策模型」这一新兴品类。该指数综合四项评测,各占 25% 权重:- AA-Omniscience-Decision(私有数据集,测知识与幻觉,准确率+不幻觉率各 12.5%)- HLE-MultiChoice(HLE 的纯文本选择题,测推理)- When2Call(NVIDIA 工具调用评测)- WildGuardTest(安全分类,F1)所有评测由 Artificial Analysis 独立进行。决策模型的特点是从固定选项中以一次调用输出各选项概率,便宜、快速且可测量校准度。
「模型」频道最新
- RLM 换用 Jev 子调用：1M token 下成本减半、速度快 6 倍 — lateinteraction · 2026-10-16
- 斯坦福用户称 OpenAI 合同期内将 ChatGPT Edu Pro 用量砍半 — DJiafei · 2026-10-16
- MiniCPM-V 4.7 上了手机:35B MoE 在 iPhone 上 3GB 内存跑出 13+ tokens/s — heyshrutimishra · 2026-10-16
- IQuest-Q1 单条提示 2 分钟写出 629 行深海潜艇游戏 — Div_pradeep · 2026-10-16
- 试用 Grok bot 却先收到 Cursor 欠费账单，两账户合并需先补款 — haydendevs · 2026-10-16
- TensorFold 1.0.12 发布：120B 视觉模型跑进 1-2 台 DGX Spark — HankYeomans · 2026-10-16