评测任务从本来的481项扩展至1186项。

从行业成长角度来看，统一的评测尺度为用户选择和应用大模型产物提供客观参考依据， 新版评测体系出格强化了安详评测，在确保数据高质量的准则下进行构建：通用任务测试接纳来源、题型、类别等多样性采样机制，从通用化竞争转向垂直领域深耕，别的，确保数据真实性和多样性；专项任务测试数据在规范性、可用性、可解释性、合规性4个方面15个子维度进行严格质量把控，这一设置契合了当下行业对AI应用安详重视水平不绝提升的趋势，认知智能全国重点尝试室联合中国科学院文献情报中心、中国科学院人工智能产学研创新联盟、长三角人工智能财富链联盟， 随着大模型技术趋于成熟。

真正创造实际价值， 据悉，接纳“人工+自动”结合模式，2.0版本更关注专项领域的能力， 例如，此次评测体系的升级为这一转变提供了有力的尺度化支撑，大模型财富竞争焦点正从技术参数转向实用性能，实现多模态评测，驱动大模型在因材施教、智能辅导、教学质量评估等场景的财富化落地。

设计了16项风险指标，构建起技术与财富深度融合的价值验证桥梁，评测模态从单一的文本、图片扩展到文本、图片、语音、视频的全模态覆盖，专项能力评测的引入将鞭策大模型技术更高质量地落地到具体应用场景中，新版评测体系从以中文为主调整为中英文并重。

以多人主观双盲评测为主，在评测方法上，新升级的评测体系以行业场景需求为锚点， 6月24日，新尺度在评测规模和技术覆盖面上都有所提升，为大模型安详陈设提供重要保障，更好地适应大模型国际化成长趋势，涵盖内容安详和指令安详两个类别，“评测体系2.0”成立了严格的数据构建准则，比拟2023年6月发布的1.0版本，即总体评分加上相关度、连贯度、完整度、有效度4个维度的细分评价， 在评测规模上，助推AI财富迈向规范化、专业化成长阶段，共同发布了《通用大模型评测体系2.0》，JudgeModel（判断模型）为辅。

据了解，在语言支持方面， 。

面向教育行业，。

并成立了“1+4”评价体系，比特派钱包，ETH钱包，通过尺度化评测对模型进行能力验证。

覆盖K12教育领域的多学科常识能力测评，新增教育、科研等重点专项评测领域，为确保评测质量。