热点事件持续更新
Scale AI 发布 MA-Bench 评测基准
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026 年 10 月 15 日，Scale AI 与 Data Machines 发布 MA-Bench 基准，借鉴军事作战规划中的「任务分析」步骤，在没有唯一正确答案的场景中评测大语言模型。该基准覆盖 20 个前沿与开源模型，表现最好者仅答对 62% 的 rubric 条目。分项结果显示，模型在文档明述事实类条目上最强，正确率 58%；在需要推断的判断类条目上最弱，仅 33%；六成失败属于遗漏而非错误。发布方将数据包、rubric、prompt、评分器与逐条评分全部开源。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 11:17
MA-Bench 评测显示 20 个模型中最好者仅答对 62% 的 rubric 条目，评测材料与逐条评分已全部开源。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- AGI HuntScale AI 发布 MA-Bench：借鉴军事任务规划测 LLM，最强模型仅答对 62%
Scale AI 与 Data Machines 发布 MA-Bench，借鉴军事作战规划的「任务分析」步骤，在没有唯一正确答案的场景中评测 LLM。20 个前沿与开源模型中最好者仅答对 62% 的 rubric 条目，文档明述事实最强（58%）、需推断的判断最弱（33%），六成失败是遗漏而非错误。数据包、rubric、prompt、评分器与逐条评分全部开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。