.png)
红杉中国近日推出全新AI基准测试工具xbench，并发布相关论文，成为首家由投资机构主导发布此类工具的机构。xbench针对快速发展的AI模型和Agent面临的基准测试有效性缩短问题，提出双轨评估体系，包括评估能力上限和技术边界，以及量化实际场景效用价值。其采用长青评估机制，动态更新测试内容以保持时效性，追踪主流AI产品能力演进，预测技术-市场契合点。此举不仅创新性地解决当前AI基准测试痛点，还可能改变投资机构的传统评估方式，推动AGI时代的标准化建设与商业化探索。
原文链接
本文链接：https://kx.umi6.com/article/19221.html
转载请注明文章出处
分享至
打开微信扫一扫
内容投诉
生成图片
.png "19221")
相关推荐
.png)
换一换
对话中国信通院魏凯：AI下半场，大模型要少说话，多做事
2025-07-01 08:51:07
红杉中国发布测评大模型工具xbench
2025-05-26 15:42:08
“为了全人类，提交你最难的问题”
2025-09-26 07:19:37
人类给AI的“最后考试”：DeepSeek-R1、o1都低于10%
2025-02-11 10:47:05
红杉中国推出全新AI基准测试xbench，要在AI下半场定义“好问题”
2025-05-26 17:32:29
OpenAI 启动先锋计划，旨在重塑 AI 模型评分体系
2025-04-10 08:35:44
牛津大学研究：当前基准测试普遍夸大了 AI 模型的性能
2025-11-06 19:10:49
MLCommons 发布 PC AI 基准测试 MLPerf Client 首个公开版本 0.5
2024-12-12 15:59:12
ScienceDiscovery实现树搜索驱动RSI，加速科学发现，小时级写出通用积分器，低成本找出物理科学规律
2026-09-04 17:29:23
Claude开始训练Claude！4美元一小时，跑赢150美元人类研究员
2026-08-29 21:20:43
千问办公上线首月用户数突破 3000万，企业用户占比过半
2026-09-04 14:20:03
滴滴自动驾驶新一代车型开启载客测试服务
2026-08-31 16:48:14
我国首个相关国标今起实施！整治AI客服已读乱回 转人工终于不难了
2026-09-01 01:08:21
732 文章
930922 浏览
24小时热文
更多
-
2026-09-06 21:14:00 -
2026-09-06 20:12:34
-
2026-09-06 20:10:47
