专业知识库与评测机构
专业知识库与评测机构（知识库、基准与公共评测）共收录 117 条资料，分属 15 个二级来源。收录较多的二级来源有独立目录页，每页 15 条。本类权威分层：A2–B。收录机制：核心资料全收；按各二级来源自身的数据库、方法、版本与榜单结构收录，不设跨机构统一评分机制。
各来源代表资料
- MITRE ATLAS（4 条）：MITRE ATLAS：AI 对抗威胁知识库；MITRE ATLAS Fact Sheet；MITRE ATLAS Data 等
- OWASP GenAI Security Project（8 条）：OWASP GenAI LLM Top 10 2026；OWASP Top 10 for Agentic Applications 2026；Agent Control Standard（ACS） 等
- AI Incident Database（5 条）：AI Incident Database；AI Incident Roundup：2026 年 5–7 月；AIID Taxonomies 等
- MIT AI Risk Repository（7 条）：MIT AI Risk Repository；MIT AI Risk Mitigation Map；MIT AI Risk Initiative 数据与研究中心 等
- MLCommons（14 条）：MLCommons Benchmark Suites；MLPerf Training；MLPerf Inference 等
- METR（8 条）：Measuring AI Ability to Complete Long Software Tasks；Task-Completion Time Horizons of Frontier AI Models；Frontier Risk Report（2026 年 2–3 月） 等
- ARC Prize Foundation（8 条）：ARC-AGI-3：交互式推理基准；ARC-AGI-3 Technical Report；ARC-AGI Official Leaderboard 等
- Stanford CRFM / HELM（12 条）：HELM：Holistic Evaluation of Language Models；2025 Foundation Model Transparency Index；HELM Capabilities 等
- LMArena（原 LMSYS / Arena）（10 条）：Arena：How It Works；Arena Leaderboard Policy；Agent Arena：Causal Evaluation of Agents in the Real World 等
- Artificial Analysis（12 条）：Artificial Analysis Models Comparison；Artificial Analysis Intelligence Benchmarking Methodology；Artificial Analysis API Performance Benchmarking Methodology 等
- OpenCompass 司南（6 条）：OpenCompass 大模型公开学术榜单；CompassAcademic 榜单结果复现指南；OpenCompass 评测框架总览 等
- SuperCLUE（4 条）：SuperCLUE 通用榜；SuperCLUE 大模型评测体系；SuperCLUE Agent Benchmark 2025H1 等
- FlagEval（智源）（5 条）：FlagEval 天秤平台用户手册与评测入口；FlagEval 天秤评测体系；FlagEval 评测操作流程 等
- SWE-bench（7 条）：SWE-bench Official Leaderboards；SWE-bench：真实 GitHub Issue 修复基准；SWE-bench Dataset Catalog 等
- Berkeley BFCL（7 条）：Berkeley Function Calling Leaderboard V4；Berkeley Function-Calling Leaderboard Methodology；BFCL V4：Agentic Evaluation 等