https://guijiagi.com/tags/%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95/Recent content in 基准测试 on 硅基 AGI · 智能体学习与测评Hugozh-cn本站内容采用 CC BY-NC-SA 4.0 国际许可协议授权Thu, 16 Jul 2026 10:45:00 +0800https://guijiagi.com/posts/b2-743cce1d/Thu, 16 Jul 2026 10:45:00 +0800https://guijiagi.com/posts/b2-743cce1d/系统构建大模型评估框架，涵盖知识能力、推理能力、安全性、对齐度等多维度评估方法https://guijiagi.com/posts/b2-d5b0a891/Thu, 16 Jul 2026 10:16:00 +0800https://guijiagi.com/posts/b2-d5b0a891/系统构建AI Agent能力评估框架，涵盖任务完成率、工具使用效率、自主决策能力等核心评测维度https://guijiagi.com/posts/vector-db-benchmark-2026/Thu, 02 Jul 2026 11:39:00 +0800https://guijiagi.com/posts/vector-db-benchmark-2026/2026年主流向量数据库基准测试，从检索速度到扩展性的全面对比https://guijiagi.com/posts/agent-framework-benchmark-2026/Thu, 02 Jul 2026 11:35:00 +0800https://guijiagi.com/posts/agent-framework-benchmark-2026/2026年主流Agent框架基准测试与对比，从性能到功能的全面评测https://guijiagi.com/posts/llm-eval-pipeline-build/Thu, 02 Jul 2026 11:28:00 +0800https://guijiagi.com/posts/llm-eval-pipeline-build/从基准测试到人工评估，构建自动化LLM评估管线的完整方案https://guijiagi.com/posts/llm-evaluation-framework-2026/Thu, 02 Jul 2026 11:15:00 +0800https://guijiagi.com/posts/llm-evaluation-framework-2026/2026年大语言模型评估框架全面解析，覆盖基准选择、指标设计与评估流程https://guijiagi.com/posts/llm-benchmark-2026-july-comparison/Thu, 02 Jul 2026 10:50:00 +0800https://guijiagi.com/posts/llm-benchmark-2026-july-comparison/2026年7月主流大语言模型在多项基准测试上的全面对比分析https://guijiagi.com/posts/llm-evaluation-methodology/Tue, 30 Jun 2026 12:05:00 +0800https://guijiagi.com/posts/llm-evaluation-methodology/系统介绍大模型评估方法论，从基准选择到实际测试的科学评测流程https://guijiagi.com/posts/agent-performance-benchmark-throughput-latency/Tue, 30 Jun 2026 11:25:00 +0800https://guijiagi.com/posts/agent-performance-benchmark-throughput-latency/系统介绍Agent系统性能基准测试的方法论与工具，涵盖吞吐量测试、延迟分析、并发压力测试及结果解读https://guijiagi.com/posts/code-llm-2026-ranking/Tue, 30 Jun 2026 11:10:00 +0800https://guijiagi.com/posts/code-llm-2026-ranking/2026年代码大模型排行榜，以SWE-Bench Pro为核心基准的全面对比https://guijiagi.com/posts/gpt-55-deep-evaluation/Tue, 30 Jun 2026 10:15:00 +0800https://guijiagi.com/posts/gpt-55-deep-evaluation/全面评测GPT-5.5在推理、代码、多模态、长文本等维度的表现，与主流模型横向对比https://guijiagi.com/posts/agent-performance-benchmark-methodology-2026/Sun, 28 Jun 2026 11:25:00 +0800https://guijiagi.com/posts/agent-performance-benchmark-methodology-2026/构建Agent性能基准测试体系，涵盖延迟、吞吐量、成本、质量四维评估方法论https://guijiagi.com/posts/agent-performance-benchmark/Sat, 27 Jun 2026 15:00:00 +0800https://guijiagi.com/posts/agent-performance-benchmark/智能体性能基准测试方法https://guijiagi.com/posts/agent-benchmark-2026/Fri, 26 Jun 2026 14:00:00 +0800https://guijiagi.com/posts/agent-benchmark-2026/全面对比 2026 年主流 AI 智能体基准测试框架，分析评估维度差异，探讨智能体评测的方法论与未来方向https://guijiagi.com/posts/agent-eval-dataset-construction/Fri, 26 Jun 2026 14:00:00 +0800https://guijiagi.com/posts/agent-eval-dataset-construction/如何为 AGI 智能体构建科学、可复现的评估数据集？从任务设计到标注规范，从偏差控制到动态更新，一份完整的方法论指南。https://guijiagi.com/posts/llm-benchmark-2026/Thu, 25 Jun 2026 12:00:00 +0800https://guijiagi.com/posts/llm-benchmark-2026/全面对比 2026 年主流大语言模型在 MMLU、GPQA、HumanEval、MATH 等基准测试中的表现，附实战性能分析与选型建议。https://guijiagi.com/posts/agent-benchmark-methodology/Wed, 24 Jun 2026 14:00:00 +0800https://guijiagi.com/posts/agent-benchmark-methodology/系统讲解 Agent 基准测试的设计原则、测试集构建、评估指标体系及主流基准对比