Hugging Face 推出 Open TTS Leaderboard 語音和聲音克隆評估榜單
Hugging Face 推出了 Open TTS Leaderboard，旨在通過可擴充套件的客觀指標（如 WER、CER、推理速度和說話人相似度）來評估多語言語音合成與聲音克隆模型。該排行榜提供多語言評測、支援聲音克隆對比、內建音訊試聽與投票功能，並針對 GPU 和 CPU 環境對流式效能（TTFA）進行了基準測試。
#評測/基準
RSS 訂閱#評測/基準
RSSHugging Face BlogAI 評分5555
Hugging Face BlogAI 評分5959 英國 AI 安全研究所與 EvalEval 如何讓評測結果可復現
英國 AI 安全研究所正使用 EvalEval 的 Evaluation Cards 基礎設施公開分享評估結果，以支援更具可復現性和可驗證性的評估科學。此次釋出包含了五項基準測試和兩項安全評測的驗證結果、上下文及配置資訊，涵蓋了 Claude Opus 系列與 GPT-5 系列等六款前沿模型，並配合其關於推理計算如何塑造前沿 LLM 評測的研究論文一同釋出。
Simon Willison精選AI 評分8383 Simon Willison 評測 TypeSafe AI 推出的 Jev 決策模型
TypeSafe AI 近期推出了名為 Jev 的 System One 決策模型，它接收非結構化文本輸入並返回對應類別的浮點數置信度分數。Jev 僅對輸入收費且價格低至每百萬 token 0.042 美元，支援 Yes/No、多選和評分三類問題並在後臺並行評估。作者指出 Jev 的黑盒特性和偏差問題需要謹慎對待，但社群已圍繞其展開了豐富的創意應用和開源復現嘗試。
推薦理由：原文介紹了 TypeSafe AI 推出的決策模型 Jev 及其獨特的工作機制和定價模式，讀者可以藉此瞭解這類新型模型在分類與檢索重排場景中的應用與侷限。
NVIDIA BlogAI 評分3131 NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首秀中展現領先效能
NVIDIA 釋出的 Vera Rubin NVL72 在 MLPerf Inference v6.1 首秀中表現領先，在 Qwen3-VL 上實現了較 GB300 NVL72 最高 3.7 倍的吞吐量提升。
Import AIAI 評分6262 Import AI 469 期：DiG-bench 遊戲探索測試、Faraday 科研智慧體與扎克伯格的技術悲觀主義
本期 Import AI 介紹了用於評估模型環境探索與創造力的 DiG-bench 基準測試，其中 Opus 5 與 Fable 5 在該測試中表現較好；同時探討了 Inherent 推出的 Faraday 科研智慧體模型以及 Meta 創始人馬克·扎克伯格關於 AI 未來的最新文章。
Import AIAI 評分4646 Import AI 468：23 條 RSI 政策建議、PostTrainBench+ 以及信任和透明度如何與 AI 競賽相互交織
智庫 IFP 釋出了 23 條旨在幫助政策制定者應對 AI 研發自動化風險的操作性政策建議，涵蓋 7 個具體類別。麻省理工學院和哥倫比亞大學的研究人員在論文《Racing to Ruin》中分析了 AI 研發競爭中的協調放緩問題，指出信任和透明度是實現穩定結果的關鍵變數。
Import AIAI 評分6565 Import AI 461 期：探討對齊現狀、FrontierCode 編碼基準及合成科研實習生
Import AI 第 461 期回顧了多項行業動態與研究，包括非營利組織 Sequent 成立以推進 AI 對齊研究、認知公司推出高難度編碼基準 FrontierCode、小米釋出具備極高生成速度的大模型 MiMo-V2.5-Pro-UltraSpeed，以及評估 AI 科研輔助能力的 AARRI-Bench 基準。
Google ResearchAI 評分5353 Google Research 探討如何構建更好的 AI 基準測試以及評測者數量對復現性的影響
Google Research 釋出研究《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》，探討了 AI 評測中樣本數量（N）與每個樣本評測者數量（K）之間的權衡關係。