所有AI评估结果现已整合至Hugging Face模型页面

2026年2月，EvalEval联盟旗下的EEE（Every Eval Ever）项目正式启动。EvalEval是首个旨在改进人工智能评估报告质量的跨组织倡议。与此同时，Hugging Face推出了Community Evals，用于在平台上实现基准测试的去中心化展示。此前，评估结果分散在论文、排行榜、博客和日志中，格式各异，且同一模型在相同基准测试上可能因未记录的设置而给出不同分数（例如，LLaMA 65B在MMLU上的得分分别为63.7和48.8）。EEE引入了一个统一的JSON模式来记录评估结果，包括评估执行者、模型、访问方式、生成设置和指标描述等数据。Hugging Face上的EEE仓库已包含约22.9万条结果，涵盖超过2.2万个模型和2200个基准测试，这些结果从31种报告格式中提取而来。现在，转换器会自动将EEE记录转换为Hugging Face Community Evals所需的YAML文件，并提交它们。如果数据通过组织的官方账户提交，模型页面上的结果将获得EvalEval的已验证勾选标记。转换器会匹配字段、检查现有结果，并在用户确认后创建拉取请求（PR）。支持MMLU-Pro、GPQA、HLE和GSM8K基准测试。