Introducing Benchmark Reviews: our new initiative to audit AI benchmarks. We are launching with 15 benchmarks: 4 Verified, 9 Flawed, and 2 with not enough information for a review.
AI 导读
推出 Benchmark Reviews：我们审查 AI 基准的新计划。首批覆盖 15 个基准：4 个已验证，9 个有缺陷，2 个信息不足无法审查。
Epoch AI@EpochAIResearch48
AI 编辑部评分，满分 100推出 Benchmark Reviews：我们审查 AI 基准的新计划。首批覆盖 15 个基准：4 个已验证，9 个有缺陷，2 个信息不足无法审查。
来源：Epoch AI· x.com