@akshdeeps_001: 新排行榜发布
摘要
推特用户@akshdeeps_001发布了一条推文，宣布了一个与AI或技术基准测试相关的新排行榜。
新排行榜发布 https://t.co/9ahn0KRxrU
查看缓存全文
缓存时间: 2026/09/12 18:56
新排行榜刚刚上线 https://t.co/9ahn0KRxrU
相似文章
新基准测试发布
一个新基准测试已发布，可能用于评估AI或软件性能。
@anshnanda: 当前的基准测试不再适用于新模型。这就是我们看到这样的结果的原因。
@anshnanda的推文指出，现有的AI基准测试不适合评估新模型，这解释了模型性能中出现意外结果的原因。
@Lyubh22：编程基准测试正在趋于饱和。AI4Research 是下一个前沿领域。很高兴看到我们的 MLS-Bench（https://mls-bench.co…）
正式发布 MLS-Bench，这是首个获得社区广泛采用的 AI4Research 基准测试，它在 12 个领域的 140 个可执行任务上测试 AI 智能体，以提出模块化的机器学习改进方案。该帖子还包含 Claude Opus 4.6 和 GPT-5.4 等模型的排行榜分数。
新款中国模型基准测试分数高得离谱！
新款中国AI模型报告了异常高的基准测试分数，在AI社区引发了广泛关注与热议。
@rohanpaul_ai: 一个名为JevBench的新基准刚刚发布。针对输出为有界软件决策而非开放式文本…
JevBench是一个新基准，通过结合智能、校准、速度和成本来评估AI模型在有界软件决策上的表现，由@rohanpaul_ai宣布。