IXThinker·2025-05-27 17:10

傳統基準日益難測AI xbench推長青評估

基礎模型快速發展、AI Agent進入規模化應用階段之際，傳統基準測試要如實反映AI客觀能力正變得越來越困難。新推出的基準工具xbench，以新的評測方法論回應這一挑戰。

基準困境

業界廣泛使用的基準測試面臨日益尖銳的質疑：評測結果與真實能力之間的落差擴大，對技術突破與產品迭代的指引作用減弱。構建更科學、長效、如實反映AI客觀能力的評測體系，成為指引AI發展的重要需求。