BenchMark·Hub
每日更新 · 已收录 450 个 benchmark

全球 AI Benchmark
聚合 · 热度 · 生命周期

收录数据集、论文、代码与榜单，标注 开放度、防污染机制与 饱和状态，用多源信号给出 热度曲线。

浏览 Benchmark 库
全站累计热度 · 近 30 天
7,944.7
全站累计热度趋势

07-30 ~ 08-28 · 450 个 benchmark 计入

450

Benchmark

31

家族

187

论文

领域热区

一级领域 · 内层 Top benchmark · 色阶∝热度

低热高热

热度榜

多源信号加权 · 每日更新

完整榜单
12 项
  1. 1
    MMLU-Pro
    知识问答TIGER-Lab
    66.0
    ▼ 0.1
  2. 2
    HumanEval
    代码OpenAI
    61.5
    ▼ 0.3
  3. 3
    GSM8K
    数学OpenAI
    60.4
    ▲ 0.6
  4. 4
    SWE-bench Verified
    代码Princeton + OpenAI
    58.9
    ▼ 1.2
  5. 5
    MBPP
    代码Google
    56.1
    ▲ 1.0
  6. 6
    IFEval
    写作对话google
    56.1
    ▲ 0.4
  7. 7
    ai2_arc
    知识问答allenai
    54.7
    ▲ 0.4
  8. 8
    MMMU
    多模态多家
    54.4
    ▲ 0.2
  9. 9
    MMLU
    知识问答UC Berkeley
    51.5
    ▼ 0.1
  10. 10
    Video-MME
    多模态多家
    51.4
    ▼ 0.1
  11. 11
    SWE-bench Lite
    代码princeton-nlp
    49.9
    ▼ 0.1
  12. 12
    fleurs
    多模态google
    48.6
    ▼ 0.1