评测系统 4

• 只测 3% 的题，就能还原模型评测结论？——评测集压缩的几种玩法 2026/08/19
• 从 LLM-as-a-Judge 到 Agent-as-a-Judge：AI 自动化评测的范式演进与破局 2026/07/24
• 大模型评测进入 Agent 时代：AA-AgentPerf 如何重新定义硬件性能评测 2026/07/15
• WorldScore：统一世界模型评测基准 2026/07/15