Eval Cards披露AI评测复现性问题
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
最新进展11月19日 15:22
Eval Cards 收录 9,946 个模型并披露评测结果复现性问题报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- AGI HuntEval 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
- –
02.557.510
16:0017:0018:0019:0020:0021:00
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。