UK AISI与EvalEval发布EEE基准评测结果

发生了什么

据Hugging Face Blog报道，英国AI安全研究所（AISI）与EvalEval合作发布Every Eval Ever (EEE)标准及前沿模型基准评测结果。AISI公开了HealthBench、FrontierMath等五个基准的验证结果，涵盖Claude Opus 4至GPT-5.4等六款前沿模型。该数据支持论文《How Inference Compute Shapes Frontier LLM Evaluation》，旨在通过共享基础设施提升评估报告的可复现性。