.png)
标题：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”
随着基础模型快速发展及AI Agent规模化应用，传统基准测试难以真实反映AI系统能力。为解决这一问题，红杉中国推出xbench，首个由投资机构联合十余家顶尖高校和研究机构打造的AI基准测试。它采用双轨评估体系和长青评估机制，不仅衡量理论上限，还关注实际效用。
xbench包含两部分：一是评估AI系统的技术边界，二是量化其在真实场景的价值。通过动态更新测试内容，保持时效性。首期发布了科学问题解答和中文互联网搜索两大测评集，并提出招聘和营销领域的垂类评测框架。
xbench源于红杉中国的内部实践，现向全社区开放，鼓励开发者、企业和研究者参与共建，共同推动AI能力评估新标准的形成。
原文链接
本文链接：https://kx.umi6.com/article/19250.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 "19250")
相关推荐
.png)
换一换
什么会影响大模型安全？NeurIPS’24新研究提出大模型越狱攻击新基准与评估体系
2024-10-31 15:51:40
“为了全人类，提交你最难的问题”
2025-09-26 07:19:37
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
红杉中国，刚刚发了一篇Paper
2025-05-26 12:35:56
人类给AI的“最后考试”：DeepSeek-R1、o1都低于10%
2025-02-11 10:47:05
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
红杉中国发布测评大模型工具xbench
2025-05-26 15:42:08
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
打穿 AI 智商测试！GPT-6 Astra 的符号世界模型，是突破还是钞能力刷分？
2026-09-04 19:40:20
前字节强化学习专家孙鹏博士加盟星尘智能，完善Physical AI全栈技术布局
2026-09-02 14:32:34
马斯克：AI将令全球经济规模增长20%-30% 十年内人形机器人达10亿台
2026-09-02 10:27:24
男子听AI抄近道下山被困深山 事后AI说“哈哈”
2026-08-31 18:54:24
701 文章
869617 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
