Benchmark Radar：一站式 AI 評鑑搜尋引擎與動態資料庫，全面掌握大型語言模型效能指標

本研究推出 Benchmark Radar，整合每日更新的 AI 評測論文、程式庫與數據。透過 37 個來源及萬餘筆觀測數據，協助研究者快速檢索模型基準、分析趨勢並進行效能比較。

Problem

開發大型語言模型（LLM）與 AI 系統時，研究人員難以在海量資訊中精準檢索相關的評測指標、獲取原始資料集與程式碼，且往往難以理解各項模型評分背後的具體設定、來源背景與比較標準。

本研究開發 Benchmark Radar 動態資料庫，每日自動從 37 個學術與技術來源抓取最新的評測報告。系統收錄了 1,283 筆來源記錄與近 1.3 萬筆數值觀測數據，並提供視覺化網頁儀表板、排行榜、Pareto 前緣分析工具及指令列介面（CLI），支援離線查詢與可重複性分析。

透過對目錄的全面審核，研究團隊分析了基準測試的飽和度、社群採用趨勢以及分數比較的侷限性。此外，論文展示了完整的技術搜尋案例，指引研究者在設計新評選方案時，如何高效檢索並驗證現有的基準測試證據與引用來源。

Benchmark Radar 為 AI 社群提供具備高度時效性且可溯源的資源中心，範疇涵蓋推論、程式碼、安全性及特定領域評測。它不僅顯著提升了基準測試的透明度，更為模型效能的長期追蹤與科學化對比提供了關鍵的基礎設施。