跳到正文
热点事件持续更新

Eval Cards披露AI评测复现性问题

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

评测者 davidmanheim 推介了 AI 评测报告层 Eval Cards。该项目收录 9,946 个模型及 309,050 条模型、基准与指标结果,覆盖 52 家评测机构和 93 个基准家族,并作为 NeurIPS spotlight 论文发表。 Eval Cards 的统计显示,仅 22% 的结果披露全部设置项,78% 至少遗漏一项;17% 的同基准设置组在版本之间存在分歧,表明部分 AI 评测结果难以按相同条件复现。

AI 根据报道生成 · 6 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. AGI Hunt
    Eval Cards 收录 9,946 个模型并披露评测结果复现性问题

    Eval Cards 项目报告层截至2026年11月18日收录 9,946 个模型、309,050 条(模型,基准,指标)结果三元组,覆盖 52 个评测机构、2,116 个模型开发者、93 个基准家族和 3,497 个基准。该项目是 NeurIPS spotlight 论文,只有 22% 的结果披露了全部设置项,78% 至少遗漏一项,17% 的同基准设置组存在跨版本分歧。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月19日 16:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。