专业知识库与评测机构：MLCommons
专业知识库与评测机构 · MLCommons。训练、推理与安全公共基准。本来源共收录 14 条已通过本类收录机制的资料，均可直接跳转到原始来源。
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。
MLCommons Benchmark Suites
汇总训练、推理、客户端、数据存储、算法与 AI 安全等 MLCommons 基准套件。
证据用途：支持 MLCommons 基准版图、定位和官方版本入口。
使用边界：目录不是单一评测结果；不同套件不可直接比较
关联概念：model-evaluation · inference-optimization
链接复核时间：2026-09-24
MLPerf Training
以达到规定质量目标所需的训练时间衡量软硬件训练系统性能，并公布规则、参考实现和结果。
证据用途：支持训练系统在指定版本、模型和配置下的性能比较。
使用边界：结果依赖版本、分区和硬件配置；开放组与封闭组不能混比
关联概念：distributed-training · model-evaluation
链接复核时间：2026-09-24
MLPerf Inference
衡量不同部署场景中运行模型的吞吐、延迟和功耗，并提供提交与复现规范。
证据用途：支持指定硬件、软件栈与场景下的推理性能比较。
使用边界：必须绑定场景和版本；提交结果不代表所有真实工作负载
关联概念：inference-optimization · model-evaluation
链接复核时间：2026-09-24
MLCommons AILuminate
使用危险类别、公开练习集和私有正式测试集评估通用生成式 AI 系统的安全性与越狱韧性。
证据用途：支持模型在明确版本和语言下的安全等级与危险类别比较。
使用边界：主要覆盖单轮内容危害；正式集私有，复核依赖官方流程
关联概念：model-evaluation · red-teaming
链接复核时间：2026-09-24
AILuminate Safety Methodology
规定危险类别、提示构造、响应分级、聚合和安全评级方法。
证据用途：支持精确解释 AILuminate 安全分数与适用边界。
使用边界：必须绑定套件、版本、分区和提交配置；不同工作负载和正式度的结果不可直接混比
关联概念：model-evaluation · red-teaming
链接复核时间：2026-09-24
AILuminate General Purpose AI Chat Official Results
发布通用聊天模型在正式私有测试集上的安全评级和危险类别结果。
证据用途：支持绑定语言和版本的模型安全结果比较。
使用边界：必须绑定套件、版本、分区和提交配置；不同工作负载和正式度的结果不可直接混比
关联概念：model-evaluation
链接复核时间：2026-09-24
AILuminate Security and Jailbreak v0.5 Whitepaper
介绍面向生成式 AI 的越狱攻击集合、评分与安全评测设计。
证据用途：支持分析越狱评测的覆盖与方法。
使用边界：必须绑定套件、版本、分区和提交配置；不同工作负载和正式度的结果不可直接混比
关联概念：red-teaming · model-evaluation
链接复核时间：2026-09-24
MLPerf Endpoints
在受控负载下衡量在线模型端点的吞吐、延迟和服务表现。
证据用途：支持托管推理服务在指定负载下的性能比较。
使用边界：必须绑定套件、版本、分区和提交配置；不同工作负载和正式度的结果不可直接混比
关联概念：inference-optimization · model-evaluation
链接复核时间：2026-09-24
MLPerf Client
面向个人计算设备测试语言、图像和智能体工作负载的性能与体验。
证据用途：支持端侧 AI 系统的跨设备和跨工作负载比较。
使用边界：必须绑定套件、版本、分区和提交配置；不同工作负载和正式度的结果不可直接混比
链接复核时间：2026-09-24
MLPerf Automotive
针对汽车感知和座舱等场景定义性能与功耗评测。
证据用途：支持车载 AI 硬件和软件栈的标准化比较。
使用边界：必须绑定套件、版本、分区和提交配置；不同工作负载和正式度的结果不可直接混比
关联概念：model-evaluation
链接复核时间：2026-09-24
AlgoPerf Training Algorithms Benchmark
在固定工作负载和资源预算下比较训练算法达到目标质量的效率。
证据用途：支持优化算法在统一条件下的训练效率比较。
使用边界：必须绑定套件、版本、分区和提交配置；不同工作负载和正式度的结果不可直接混比
关联概念：distributed-training · model-evaluation
链接复核时间：2026-09-24
MLPerf Storage
覆盖训练数据、检查点、向量数据库和 KV 缓存等 AI 存储工作负载。
证据用途：支持 AI 基础设施存储性能与扩展性比较。
使用边界：必须绑定套件、版本、分区和提交配置；不同工作负载和正式度的结果不可直接混比
关联概念：distributed-training · inference-optimization
链接复核时间：2026-09-24
MLPerf Mobile
比较智能手机等移动设备上的视觉、语言与生成式 AI 推理性能。
证据用途：支持移动设备端推理性能和能效比较。
使用边界：必须绑定套件、版本、分区和提交配置；不同工作负载和正式度的结果不可直接混比
链接复核时间：2026-09-24
MLPerf Tiny
面向超低功耗微控制器定义微型机器学习推理任务与测量规则。
证据用途：支持 TinyML 设备的性能与能效比较。
使用边界：必须绑定套件、版本、分区和提交配置；不同工作负载和正式度的结果不可直接混比
链接复核时间：2026-09-24