Hugging Face 与英国 AI 安全研究所共建可复现的基准评测体系

Hugging Face 与英国人工智能安全研究所（UK AISI）于 2026 年 9 月 22 日宣布深化合作，依托 Every Eval Ever 报告规范与 Evaluation Cards 平台推动前沿 AI 评测结果的公开与可复现。

• 评测数据透明化：AISI 公开了伴随其推理算力研究论文的实验数据，涵盖 HealthBench、FrontierMath、Humanity’s Last Exam、SWE-Bench Pro 及 Terminal-Bench 2.0 五项基准。
• 覆盖前沿模型：集中公开了 Claude Opus 4/4.5/4.6 与 GPT-5/5.2/5.4 等六款前沿模型在不同推理计算量与评测协议下的逐轮交互记录与配置参数。
• 解决复现痛点：旨在应对评测格式分散、复现成本高昂等行业难题，通过标准化评估卡片呈现上下文与评估细节。
• 影响/看点：评测过程与底层交互记录的结构化公开，有助于降低第三方机构核验大模型能力的门槛，促进评估透明度，但其推广效果取决于行业对统一标准的采纳意愿。
• 资料依据：
• Hugging Face 官方博客（2026-09-22）：https://huggingface.co/blog/evaleval-aisi

本内容由 AI 生成，仅供参考，请注意甄别