英国 AISI 携手 EvalEval 让评测结果可复现

英国 AI 安全研究所（AISI）开始使用 EvalEval 的基础设施公开分享评测结果，包括 HealthBench、FrontierMath、Humanity's Last Exam、SWE-Bench Pro、Terminal-Bench 2.0 五个基准及 Cyber CTFs、The Last Ones 两项网络评测的验证结果。