熱點事件持續更新
阿里團隊提出 BHI 評估 158 個 LLM 基準
1 篇報道1 個報道來源3 小時前更新
先了解這件事
AI 綜述
2026年10月31日，新浪科技報道，阿里數據研究團隊在 NeurIPS 2026 Oral 論文中提出基準健康指數（BHI），用以評估 158 個大型語言模型（LLM）評測基準。BHI 從能力區分度、抗飽和度及影響力三方面衡量基準。研究亦整理 117 個模型的技術報告；HLE 以 67.05 分排名第一，Agents' Last Exam 和 AutomationBench 分列第二、第三。
AI 根據報道生成 · 3 小時前更新
最新進展10月31日 15:30
HLE 以 67.05 分居首，Agents' Last Exam 和 AutomationBench 分列第二、第三。報道時間線
沿着報道，瞭解事件的不同側面。
10月31日
- 新浪科技NeurIPS 2026 Oral 論文提出 BHI，評估 158 個 LLM 評測基準
阿里數據研究團隊提出基準健康指數（BHI），從能力區分度、抗飽和度和影響力評估 158 個 LLM 評測基準。研究整理 117 個模型的技術報告，HLE 以 67.05 分排名第一，Agents' Last Exam 和 AutomationBench 分列第二、第三。
本事件熱度走勢
當前熱度 9·可比範圍峯值 10（10月31日 16:00）·近 24 小時可比範圍變化 –
趨勢僅比較持續完整觀測到的相同主體，範圍可能小於當前熱度統計。移動指針或點擊圖表查看每小時熱度；鍵盤可用左右方向鍵切換。