已验证65% 置信事实精确时间
Artificial Analysis Intelligence Index整合了MMLU、HumanEval、MATH、GPQA等多个基准测试的加权结果
3
来源数
65%
置信度
长期有效
时效性
2026/7/21
首次发现
来源
相关事实
已验证AI领域模型能力的可信评估依赖标准化基准测试，常见评测集包括MMLU、HumanEval、MATH、GPQA80% 相似待验证HumanEval、MBPP、SWE-bench是AI编程评测领域的行业标准基准测试72% 相似待验证AI模型基准测试通常在MMLU、HumanEval、GSM8K等标准数据集上评估模型的推理、编码和数学能力72% 相似待验证业界常用的自动化评估工具包括OpenAI Evals、LangSmith、Braintrust，支持批量运行测试用例并生成对比报告72% 相似待验证业界正在探索的AI评估方法包括基于人工标注的评分体系、BLEU分数、ROUGE分数以及LLM-as-Judge方法70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/578052API
curl https://kongchang.com/api/v1/knowledge/claims/578052MCP
get_claim(id=578052)