⌘ K
… 读取采集状态 同步中...
雷
原文
X:Greg Brockman (@gdb)·· 26 天前AI 评分1

Epoch AI 推出 Benchmark Reviews 计划,首批审计 15 个 AI 基准

AI 导读

Epoch AI 推出 Benchmark Reviews 计划,用于审计 AI 基准,首批覆盖 15 个基准:4 个 Verified、9 个 Flawed、2 个信息不足以评审。Verified 包括 WeirdML v2、ExploitBench v0.1、PostTrainBench v1.1、SimpleQA Verified,Flawed 包括 Terminal-Bench 4.0.0、SWE-Bench Verified、SWE-Bench Pro 等。作者 Karina Nguyen 转发并称赞该举措能激励行业构建真正高质量的基准,并感谢其审计 PostTrainBench 和挖掘旧的 SimpleQA。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:X:Greg Brockman (@gdb) · x.com