UK AISI 携手 EvalEval 推动基准评测结果可复现

英国人工智能安全研究所（UK AISI）采用 EvalEval 基础设施公开评测结果与运行配置，推进基准测试的可复现性。该合作在 Evaluation Cards 上公开了覆盖 Claude Opus 4/4.5/4.6 与 GPT-5/5.2/5.4 等模型的评测数据，涉及 FrontierMath 和 SWE-Bench Pro 等五项基准。