Benchmark Almanac 收录 3322 个基准与 1746 个榜单,一站式追踪评测生态
karinanguyen · x · 2026-11-14
Brian Zhou 发布 Benchmark Almanac,号称目前最全面的 AI 评测基准索引库。
- 收录 3,322 个 benchmark、1,746 个 leaderboard
- 汇集 522 篇发布博文、346 份 system card 和 1,233 个开源 GitHub 仓库
- 目的是解决评测基准碎片化、难以追踪的问题,研究者可一站式检索
Karin Nguyen 转发并感叹「evals evals evals」,呼应了当前业界对评测体系的高度关注。
「研究」频道最新
- CQ 4-bit 量化持平 BF16，NF4 在 GSM8K 掉 12 分 — textclf · 2026-11-14
- CLM 提出 prefix-reuse FLOPs：量化 Agent 上下文真实算力成本 — RulinShao · 2026-11-14
- Inkling 2 Small 全程原生 4-bit 训练：预训练仅提速 8% 引质疑 — andrew_n_carr · 2026-11-14
- 5 行代码测 80+ 图像匹配器：VisMatch v1.5 引入 DaD、SANDesc 等新方法 — gabriberton · 2026-11-14
- 图像匹配模型评测新思路：用相似不同地场景构造三元组 — gabriberton · 2026-11-14
- BirdDreams 世界模型：单图生成驾驶视频，其他车辆会对你急刹 — jonLorraine9 · 2026-11-14