论文发布可检索 AI 基准与分数证据的活数据库 Benchmark Radar。
资讯摘要
论文提出 Benchmark Radar，一个面向 AI 基准测试检索与发现的活数据库和搜索引擎，覆盖 LLM 评测、智能体与工具使用、编程、推理、安全及领域评测。系统每日从 37 个来源发现基准论文、代码库、数据集与发布信息，并整合模型卡与技术报告中的提及及分数历史，保留来源与引用以便核查评测证据。作者报告目录含 1,283 条来源记录和 12,916 条数值观测，并发布网页仪表盘、排行榜、CLI 与可复现分析。
要点速读
- 系统每日从 37 个来源（13 个直连、24 个一方研究 feed）发现基准论文、仓库、数据集与发布。
- 目录含 1,283 条来源记录，来自 4 个基准目录，790 条记录上有 12,916 条数值观测。
- 作者发布网页仪表盘、排行榜、Pareto 前沿视图、饱和与趋势视图、CLI 及可复现分析。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。