UK AISI 与 EvalEval 合作实现基准测试结果可复现

UK AISI 利用 EvalEval 基础设施公开分享评估结果，支持可复现的评估科学。此次发布涵盖 HealthBench、FrontierMath 等五个基准及 Claude Opus 4/4.5/4.6、GPT-5/5.2/5.4 六款前沿模型的验证数据。