# 开放基准测试

这些公开测试用于比较人工智能模型，并公开数据或代码。每个页面都会说明测试内容、适用人群、运行方法，以及如何解读已发布的结果。

决策模型

## [jevalt-bench](https://eschatialabs.com/zh/benchmarks/jevalt-bench/)

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/)

- [数据集（Hugging Face）](https://huggingface.co/datasets/mertkayacs/jevalt-bench)

- [代码（GitHub）](https://github.com/mertkayacs/jevalt)

- [项目网站](https://jevalt.mertkayacs.com/zh/)

决策模型

## [JevOss](https://eschatialabs.com/zh/benchmarks/jevoss/)

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/)

- [项目网站](https://jevoss.mertkayacs.com/zh/)

- [代码（GitHub）](https://github.com/mertkayacs/jevoss)

- [文档](https://mertkayacs.github.io/jevoss/)

任务型人工智能助手

## [Tholos-Bench](https://eschatialabs.com/zh/benchmarks/tholos-bench/)

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/)

- [数据集（Hugging Face）](https://huggingface.co/datasets/mertkayacs/tholos-bench)

- [代码（GitHub）](https://github.com/mertkayacs/tholos/tree/main/tholos/bench)

- [项目网站](https://tholos.mertkayacs.com/zh/)

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