NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首秀中性能领先
NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 预览测试中，Qwen3-VL 吞吐量较 GB300 NVL72 提升最高 3.7x，DeepSeek-R1 提升 2.5x。GB300 NVL72 实现 99% 扩展效率，软件优化使性能较 v6.0 提升 1.6x。
#评测/基准
#评测/基准
今日 0 条NVIDIA BlogAI 评分4444
Hugging Face BlogAI 评分4040 NVIDIA AI-Q 登顶 DeepResearch Bench：基于 Llama Nemotron 的开源深度研究智能体
NVIDIA AI-Q 在 DeepResearch Bench“LLM with Search”类别中以 40.52 分登顶，成为首个完全开源且领先的深度研究智能体。
Hugging Face Blog精选AI 评分7373 Hugging Face 用 Math-Verify 重新评估 Open LLM Leaderboard 全部模型
Hugging Face 使用 Math-Verify 对 Open LLM Leaderboard 上所有 3,751 个提交模型进行了重新评估，以解决旧版 MATH-Hard 任务中因格式解析和符号比较导致的评分偏差问题。
推荐理由：原文展示了 Math-Verify 修复旧评估器缺陷的具体案例及重测数据，为开发者提供了更可靠的模型数学能力对比依据。
Hugging Face BlogAI 评分3838 Hugging Face 与 LLM-jp 联合推出日语大模型开放排行榜
Hugging Face 联合 LLM-jp 发布 Open Japanese LLM Leaderboard，收录超 20 个数据集以评估日语大模型性能。该榜单基于 llm-jp-eval 套件，涵盖自然语言推理、代码生成等 16 类任务，采用 4-shot 模式运行。此举旨在解决日语处理挑战，推动开源模型开发的透明度与研究协作。
Hugging Face BlogAI 评分3333 Hugging Face 推出 Open Chain of Thought Leaderboard
Hugging Face 发布 Open Chain of Thought Leaderboard，通过计算准确率增益（Δ = CoT准确率 - 无CoT准确率）评估LLM生成思维链的能力。该榜单基于LogiQA和LSAT等AGIEval任务，采用Classic与Reflect两种提示策略生成推理轨迹，旨在更稳健地衡量模型推理效能并抵抗训练数据污染。
Hugging Face BlogAI 评分4545 Patronus 推出企业场景排行榜：评估大语言模型在真实用例中的表现
Patronus 团队基于 Hugging Face Leaderboard Template 发布 Enterprise Scenarios Leaderboard，旨在评估 LLM 在金融、法律、创意写作等 6 类真实企业用例中的表现。该榜单通过准确率、吸引力及 PII 处理等指标衡量模型能力，并采用部分闭源数据集以规避测试集污染问题。