英国AISI与EvalEval合作：让基准测试结果可复现
2026.09.23 · 事件 · 行业动态 · 官方发布
英国AI安全研究所采用EvalEval基础设施公开评测结果，提升可复现性。
英国AI安全研究所（AISI）与EvalEval联盟合作，采用其基础设施公开分享评测结果，支持更可复现和可验证的评测科学。AISI公开了五个基准（HealthBench、FrontierMath、Humanity's Last Exam、SWE-Bench Pro、Terminal-Bench 2.0）在六个前沿模型上的验证结果，以及两项网络评估数据，并附有上下文和配置信息。
- AISI采用EvalEval基础设施公开评测结果
- 公开五个基准和六个前沿模型结果
- 包含两项网络评估数据
- 合作始于NeurIPS 2025联合研讨会
- 推动评测报告标准化和可复现性
为什么值得看
提升AI评测透明度和可复现性，推动行业标准化。
适合谁关注
AI模型开发者、评测研究者、政策制定者。