Benchmark Radar：面向 AI 基准与评估的动态数据库和搜索引擎

英文标题：Benchmark Radar: A Living Database and Search Engine for AI Benchmarks and Evaluation

论文提出 Benchmark Radar，一个面向 AI 基准测试与评估的动态数据库和搜索引擎。其目标是帮助基准研究人员以及大语言模型（LLM）和其他 AI 系统开发者发现相关评测、定位基准数据集与代码，并理解已报告分数背后的评估设置。该工具有望降低 AI 评估信息检索与比较的门槛，提升基准选择和结果解读的效率。

2.1 KB 483 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB