Ethan Mollick · @emollick · X·2026-09-18 08:30·1小时前
AI 导读

Epoch 持续做着 AI 领域最优秀的公共基准测试工作之一。这很有帮助(也告诉我们基准测试的现状有多糟糕,以及我们最爱的一些基准有多差) Epoch AI 推出 Benchmark Reviews:一项审查 AI 基准测试的新计划。首批覆盖 15 个基准:4 个通过验证,9 个存在缺陷,2 个信息不足无法审查。

Ethan Mollick@emollick
48AI 编辑部评分,满分 100
2026-09-18 08:30· 1小时前
AI 导读

Epoch 持续做着 AI 领域最优秀的公共基准测试工作之一。这很有帮助(也告诉我们基准测试的现状有多糟糕,以及我们最爱的一些基准有多差) Epoch AI 推出 Benchmark Reviews:一项审查 AI 基准测试的新计划。首批覆盖 15 个基准:4 个通过验证,9 个存在缺陷,2 个信息不足无法审查。

Epoch continues to do some of the best public benchmarking work on AI. This is helpful (and tells us how bad the state of benchmarking is, and how terrible some of our favorite benchmarks are)

Epoch AIIntroducing Benchmark Reviews: our new initiative to audit AI benchmarks. We are launching with 15 benchmarks: 4 Verified, 9 Flawed, and 2 with not enough infor...

来源:Ethan Mollick· x.com