英国 AISI 接入 EvalEval 共享 schema：评测结果开始以可复现的形式公开

9 月 22 日，Hugging Face 博客发布 UK AI Security Institute（AISI）与 EvalEval 联盟的合作：AISI 开始使用 EvalEval 的共享报告 schema（Every Eval Ever，EEE）与开源平台 Evaluation Cards 公开其评测结果。EEE 的目标是让评测结果连同「读懂它所需的信息」一起进入同一结构。

背景问题在文中说得直接：AI 部署加速，评测成为关于模型与系统表现的越来越重要的证据来源，但结果散落在多种格式、平台与渠道中，往往缺少足以复现它的信息，而重跑一遍评测本身可能贵到不可行。EvalEval 此前与 AISI 的合作始于 NeurIPS 2025 的联合工作坊，AISI 的反馈参与了 EEE schema 的成形；AISI 一侧的配套工作包括 OptStop（评测效率）、HiBayES（统计严谨性）与能力诱发、转录分析等方向的标准化。

它改变了什么：模型的评测分数此前是「公告」——写在哪、怎么写、能不能复现都由发布方决定；EEE + Evaluation Cards 试图把它变成「记录」——分数与其解释信息一并落进公共结构。对本站这类靠分数下判断的读者，这条的意义在于：以后引用一个数时，可以检查它是否带有可复现的上下文。边界：本条是基础设施与流程层面的进展，AISI 具体开放了哪些评测、覆盖哪些模型，博客未逐项列出。

原文链接：Hugging Face 官方博客