专为小型模型设计的新基准：ObviousBench.com
摘要
ObviousBench 是一个专门为评估小型 AI 模型而设计的新基准。
暂无内容
相似文章
介绍 BenchBench（5分钟阅读）
介绍 BenchBench，这是一个评估 AI 模型为其他模型创建有效基准能力的基准测试。目前 GPT 5.2 是唯一成功的胜者，而 GPT 5.5 和 Opus 4.6 等前沿模型则表现不佳。
MLS-Bench：对 AI 系统在构建更优 AI 方面能力的全面与严格评估
本文介绍了 MLS-Bench，这是一个旨在评估 AI 系统能否发明具有通用性和可扩展性的机器学习方法，而非仅仅进行工程调优的基准测试。
ProgramBench（5分钟阅读）
ProgramBench 是一项全新的基准测试，用于评估 AI 智能体在无法获取源代码或反编译工具的情况下，仅凭编译后的二进制文件和文档重建完整软件项目的能力。
HuggingFace 基准数据集现在支持按模型大小筛选
HuggingFace 基准数据集现在支持按模型大小筛选，从而可以进行类似 'swebenchverified 上 32B 以下最佳模型' 的比较。
介绍 HealthBench
OpenAI 推出了 HealthBench，这是一个用于评估医疗保健环境中人工智能系统的新基准。该基准由来自 60 个国家的 262 名医生共同创建，包含 5,000 个逼真的健康对话和医生编写的评分标准，用于评估模型在有意义、可信和可改进的指标上的性能。