关键知识
- 读懂基准榜单的评测维度和数据集来源
- 区分基准分数与真实任务表现之间的差距
- 引用榜单时记录查看日期与评测设置
前置知识
了解基准与评测的基本概念。 访问说明:国内可直接访问。
建议练习
选两个你考虑使用的模型,分别在司南榜单和 Arena 排行榜上记录它们的位置与评测维度(注明查看日期),写一段话说明两者结论是否一致、为什么可能不一致。
依据与出处
编辑整理,依据已获取的简介或片段。请结合原始资料核对技术细节。
AI 评测实操:用五道固定题比较两版提示词
先写标准答案与拒答条件,再记录正确性、格式和失败;附可运行计分例子,避免只挑一张好结果宣布升级。
打开站内手册 →来源与内容说明
上海人工智能实验室 OpenCompass · 上海人工智能实验室 OpenCompass
保留作者与原始链接,第三方资料的权利属于原作者。
收录:2026年10月19日
核对原始资料待核验公开版本 1
适用范围:2026-10-09 核对:榜单页返回 HTTP 200,标题“OpenCompass司南 - 评测榜单”,页面为 JS 渲染、抓取内容无日期;open-compass/opencompass 仓库最近提交 2026-09-28。
人工核验:尚无核验记录