模型评估基准

近年来行业已出现多个开源安全基准，但它们更新速度往往落后于模型能力演进，且容易被针对性优化。

独立评估的真正价值不仅在于使用了基准，更在于评估者能否开发并公开新基准，持续走在模型能力之前。