Benchmark on 硅基 AGI · 智能体学习与测评https://guijiagi.com/tags/benchmark/Recent content in Benchmark 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 11:25:00 +0800大模型评测方法论：从Benchmark到真实场景评估https://guijiagi.com/posts/b1-fc9cb559/Thu, 16 Jul 2026 11:25:00 +0800https://guijiagi.com/posts/b1-fc9cb559/系统梳理大模型评测体系，涵盖知识基准、能力评测、对齐评测与真实场景测试方法论大模型评估流水线搭建：从 Benchmark 到自定义评测https://guijiagi.com/posts/llm-evaluation-pipeline-benchmark-to-custom/Sun, 28 Jun 2026 10:00:00 +0800https://guijiagi.com/posts/llm-evaluation-pipeline-benchmark-to-custom/系统讲解大模型评估流水线的搭建方法，涵盖主流 Benchmark 集成、自定义评测设计和自动化 CI/CD智能体评估benchmark搭建https://guijiagi.com/posts/agent-benchmark-building/Sat, 27 Jun 2026 15:00:00 +0800https://guijiagi.com/posts/agent-benchmark-building/智能体评估benchmark搭建2026 LLM Benchmark 全面解读：MMLU/GPQA/SWE-Bench 谁还有效https://guijiagi.com/posts/llm-benchmark-2026-comprehensive/Thu, 25 Jun 2026 10:00:00 +0800https://guijiagi.com/posts/llm-benchmark-2026-comprehensive/盘点 2026 年主流 LLM Benchmark 的有效性、数据污染问题与新趋势GAIA Benchmark 解读：通用AI助手的高考试卷https://guijiagi.com/posts/gaia-benchmark-analysis/Tue, 23 Jun 2026 14:50:00 +0800https://guijiagi.com/posts/gaia-benchmark-analysis/深入解读 GAIA Benchmark 的设计理念、评测维度和最新排行