Scale Labs 前沿 AI 模型排行榜与基准评测

Scale Labs 推出前沿 AI 模型评测与排行榜，通过高复杂度评测暴露模型失败点、防止基准饱和。其排行榜结合私有数据集防止过拟合，并引入开源数据集以保证广泛基准测试与可比性；评测由人类设计复杂任务与标准，LLM 负责规模化执行。