ML Commons 推出「基准即服务」应对榜单刷分

ML Commons 正式推出「基准即服务」，希望通过随生态演进而持续更新的评测机制，抑制静态榜单刷分现象。项目已公布阶段性进展，显示 SimpleSafetyTests 饱和度指数达到 1.00，OR-Bench 为 0.93、SORRY-Bench 为 0.90、HarmBench 为 0.73，ALERT、AILuminate、SALAD-Bench 等大基准仍接近 0。