IXThinker·2025-09-03 00:52

283個大模型基準測試全景 中科院團隊系統盤點

大模型技術如矛，基準測試如盾。中國科學院深圳先進技術研究院團隊聯同合作者，首次系統回顧大語言模型基準測試的現狀與發展，梳理283個代表性測試，為行業提供全景參考。

矛與盾的辯證

基準測試（benchmark）被比喻為大模型行業的「盾」：只有矛愈鋒利、盾愈堅固，行業才會不斷被推向更高處。了解主流基準測試，是把握AI行業真實發展現狀的必修課。