研究者发布 Benchmark Radar：AI 评测基准活数据库与搜索引擎

Koutian Wu 等研究者在 arXiv 发布论文，介绍 Benchmark Radar——一个用于检索和发现 AI 评测基准的活数据库与搜索引擎，覆盖 LLM 评测、智能体与工具使用、编程、推理、安全和领域评测等方向。 据论文介绍，该项目每日发现接入 37 个来源，目录含 1,283 条来源记录，并在其中 790 条记录上累积了 12,916 条数值观测。项目提供网页仪表盘（含基准排行榜、得分与用量的 Pareto 前沿视图、饱和度与趋势视图）、每日 feeds、可下载证据、供离线查询的 CLI 及可复现分析。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。