Hugging Face Blog·· 9 天前
英国 AISI 如何用 EvalEval 基础设施让评测结果可复现
How UK AISI and EvalEval Are Making Benchmark Results Reproducible
AI 导读
英国 AI Security Institute（AISI）正采用 EvalEval 的 Every Eval Ever schema 和 Evaluation Cards 平台公开分享评测结果，以提升评测科学的可复现性。
入选记录
门槛 60官方一手第一次 34第二次 34
未入选两次之和 68 < 门槛的两倍 120
- 信源等级
- 官方一手，这一级的门槛是 60 分
- 预筛
- 通过：AI评测基准与可复现基础设施
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：Hugging Face Blog · huggingface.co