Nytt verktyg samlar 1 283 AI-riktmärken på ett ställe

arXiv cs.AI

Benchmark Radar är en sökbar databas som dagligen samlar in AI-riktmärken (standardiserade tester för att mäta modellers förmågor) från 37 källor och just nu innehåller drygt 12 900 numeriska mätpunkter. Det är praktiskt användbart för den som ska designa en ny utvärdering och vill slippa uppfinna hjulet på nytt – verktyget visar också vilka riktmärken som börjar bli 'mättade', det vill säga där toppmodeller redan når taket.