AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
THE BENCHMARK DIRECTORY
AI 评测标准索引
查找 1,286 条评测来源记录，阅读任务方法、模型成绩与原始证据。
理解评测，做出选择
为你的任务找到合适的评测
先明确你要观察的能力，再阅读任务定义、评分方式与运行条件。编程、网络安全、电脑操作和专业领域评测回答的问题各不相同；分数需要和出处一起阅读。
怎样比较 AI 评测成绩，避免混用评测口径
按顺序核对任务版本、指标、工具、预算、不确定性和报告来源的实用方法。
为编程、网络安全与电脑操作智能体选择评测
先把智能体的工作对应到可验证结果，再选择一组覆盖不同失败方式的评测。
评测目录
- A-BenchOpenCompass Hub
- A-OKVQAOpenCompass Hub
- AA-AnalystAgentArtificial Analysis
- AA-BriefcaseArtificial Analysis
- AA-BriefcaseLLM Stats
- AA-IndexLLM Stats
- AA-LCRArtificial Analysis
- AA-LCRLLM Stats
- AA-LCRModel reports
- AA-Omniscience AccuracyArtificial Analysis
- AA-Omniscience IndexLLM Stats
- AA-Omniscience Non-Hallucination RateArtificial Analysis