所有评估结果现已可在 Hugging Face 模型页面上查看

EEE（Every Eval Ever，全量评估数据库）项目于2026年2月由EvalEval联盟启动，旨在标准化第一方和第三方评估者的AI评估报告。该项目采用统一的JSON模式，记录评估执行者、所评估的模型、访问方式、生成设置、指标定义以及可选的每个样本的输出。同期，Hugging Face推出了社区评估，以分散Hub上的基准分数报告。目前两者已整合：贡献者可通过一个转换器将EEE结果发送至Hugging Face社区评估，该转换器可将JSON记录转换为Hugging Face所需的YAML格式。最终分数会出现在模型页面上，并附带一个徽章，链接至完整的EEE记录，包括生成配置、测试框架版本和可复现性说明。Hugging Face上的EEE数据存储已增长至约229,000个评估结果，涵盖超过22,000个模型和2,200个基准测试，数据来自31种不同的报告格式。从头复现这些运行将耗资数十万美元，凸显了集中式报告的价值。该转换器目前支持四个官方基准测试：MMLU-Pro、GPQA、HLE和GSM8K。用户可将EEE记录提交至数据存储，然后运行转换器生成YAML预览，并在审核后发起拉取请求。