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。
Model reports
Blueprint-Bench 2
Spatial-reasoning set: 50 apartments, ~20 photos each, scored by a connectivity-graph grader, with a public leaderboard on the Andon Labs eval page (run in-house; dataset not openly downloadable). Builds on the original Blueprint-Bench paper (arXiv:2509.25229), a distinct instrument released 2025-09-24 whose scores must not be compared across versions.
评测信息与证据
- 来源
- Model reports
- 发布者
- 未收录
- 评测发布日期
- 2026-05-04
- 采集日期
- 未收录
- 模态
- 未收录
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 0
本来源记录尚未收录数值成绩。这不表示模型得分为零，也不表示该评测没有公开成绩；请查阅原始资料。