.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
红杉中国发布测评大模型工具xbench
2025-05-26 15:42:08
OpenAI 启动先锋计划，旨在重塑 AI 模型评分体系
2025-04-10 08:35:44
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
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
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
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
新华三集团与重庆水务环境集团签订战略合作协议
2025-09-06 10:33:40
导演宁浩称自己看病先问 DeepSeek，作家余华则用豆包
2025-09-04 20:07:22
通义千问系列最强大的语言模型：Qwen3-Max-Preview 上线
2025-09-06 00:26:52
Waymo将于今年秋季在圣何塞机场测试无人驾驶汽车
2025-09-05 09:16:13
摩尔线程及中介机构回复首轮审核问询函
2025-09-05 20:24:47
472 文章
159947 浏览
24小时热文
更多
-
2025-09-06 20:38:03 -
2025-09-06 19:37:51
-
2025-09-06 16:37:17
