模型评估

主要衡量模型或智能体通用能力、质量、可靠性或效率的基准、数据集、评判器和框架。以安全、越狱、注入、有害性或防护风险为重点的评估，无论采用基准还是框架形式，均归入 ai-safety-evaluation。不包括训练工具和生产执行系统。