Hugging Face Blog·· 2026-09-22
英国AISI、EvalEval基盤で評価結果を再現可能にする方法
How UK AISI and EvalEval Are Making Benchmark Results Reproducible
AI による要約
英国AI Security Institute(AISI)は評価の科学的再現性を高めるため、EvalEvalのEvery Eval EverスキーマとEvaluation Cardsで結果を公開共有している。
入選の記録
基準 60公式・一次情報1 回目 342 回目 34
入選せず二回の合計 68 < 基準の 2 倍 120
- 情報源の区分
- 公式・一次情報、この区分の基準は 60 点
- 予備審査
- 通過:AI评测基准与可复现基础设施
採点はモデルが同じ基準で独立に二回行い、満点は 100。二回の合計が基準の 2 倍に届いたものだけが入選します。基準は情報源の区分ごとに決めています。
情報源:Hugging Face Blog · huggingface.co