TRUEBench

TRUEBench（Trustworthy Real-world Usage Evaluation Benchmark）是三星电子推出的 AI 基准测试工具，用在评估人工智能在实际工作场景中的生产力，解决现有AI基准测试的局限性，如主要以英语为中心、仅限于单轮问答结构等。TRUEBench包含2485个测试集，涵盖10个类别和12种语言，支持跨语言场景。TRUEBench通过人机协作设计和优化评估标准，确保评估的准确性和一致性。TRUEBench的数据样本和排行榜已在Hugging Face平台上发布，用户能比较最多五个模型的性能和效率。