红杉中国推出xbench--全球首个投资机构定义的AI基准测试工具

　　5月26日，红杉中国正式推出全新的 AI 基准测试工具 xbench（xbench.org），并发布了题为《xbench: Tracking Agents Productivity, Scaling with Profession-Aligned Real-world Evaluations》的论文。

　　目前xbench包含两大核心评估集：科学问题解答测评集（xbench-ScienceQA）和中文互联网深度搜索测评集（xbench-DeepSearch），还针对相关领域的主要产品进行了综合排名，提出了针对垂直领域智能体的评测方法论，并建立了招聘和营销领域的垂类Agent评测框架。这些评测结果和方法论均可通过 xbench.org 网站实时查看。

　　与传统评测集更注重AI系统的能力边界不同，xbench更关注AI系统在现实世界任务中的实际表现，并采用长青评估机制，通过动态更新的题目扩充评估集，以应对模型能力快速进化的影响。

　　据了解，在过去的两年多里，红杉中国内部一直使用xbench来跟踪和评估基础模型的能力。

　　红杉中国还在公告中邀请所有AI领域的从业者加入，共同使用并完善xbench，共同打造评估AI能力的新范式。

　　根据公开信息，近年来，红杉中国在AI领域的布局包括智谱、月之暗面、minimax、阶跃星辰、Manus等通用模型公司。

　　xbench的推出，标志着红杉中国在AI Agent赛道实现了从投资人到技术权威的转型。