Surge AI 两大基准霸榜 Papers with Code，Anthropic 与 DeepSeek 都在用
NielsRogge · x · 2026-10-21
Surge AI 表示其公开基准项目目标是为行业提供更好的北极星指标，目前其 Chartography 与 GDP.pdf 两个基准已登上 Papers with Code 热门榜前两位。此前 Niels Rogge 提到，Papers with Code 会自动浮现新兴基准：Chartography 包含 100 个来自专业图表理解任务，Anthropic 和 DeepSeek 的新模型评测均已采用该基准，说明行业评测正在快速向这类更贴近真实场景的任务收敛。
「模型」频道最新
- OpenAI 模型任务时长基准仅为 METR 趋势的十二分之一，落后约 14 个月 — tobyordoxford · 2026-10-22
- 书生 Sage-A1.5 登上 Hugging Face 热门榜：Qwen3.5-MoE 底座的视觉 Agent 模型 — InternScience · 2026-10-22
- Mirendil：1 人 3.5 个月、不到 1000 万美元算力训出千亿级代码基座模型 — bneyshabur · 2026-10-22
- OpenAI 自研自动化报告：模型 80% 时间地平线仅 15 分钟 — tobyordoxford · 2026-10-22
- 黄仁勋 GTC 谈 Nemotron：定制后训练可把开源模型变前沿 — saranormous · 2026-10-22
- OpenAI 研究：o3 能察觉自己正被测试，减刑式通过安全评估 — alex_verem · 2026-10-22