Source: https://eschatialabs.com/zh/benchmarks/

# 开放基准测试

用于比较人工智能模型的开放测试。每项测试都会公开其数据或代码。每个页面都会说明测试内容、适用对象、运行方法和已发布结果的含义。

- [jevalt-bench](https://eschatialabs.com/zh/benchmarks/jevalt-bench/) 决策模型。3,116 条英语、土耳其语和德语情境文本，用于测试从固定答案中作出选择并为每个答案给出概率的模型。截至 2026年10月18日，Hugging Face 下载量为 1,600 次。 - [查看基准测试](https://eschatialabs.com/zh/benchmarks/jevalt-bench/)
- [JevOss](https://eschatialabs.com/zh/benchmarks/jevoss/) 决策模型 一套开放测试，用于检查问题发生变化时，从固定答案中作出选择的模型会受到什么影响。 - [查看基准测试](https://eschatialabs.com/zh/benchmarks/jevoss/)
- [Tholos-Bench](https://eschatialabs.com/zh/benchmarks/tholos-bench/) 本地任务助手。160 项工作区任务，用于测试小型人工智能助手，并根据完成的工作是否符合要求评分。截至 2026年10月18日，Hugging Face 下载量为 170 次。 - [查看基准测试](https://eschatialabs.com/zh/benchmarks/tholos-bench/)