节点如何入选
选取推动评测方法、任务范围或使用场景发生变化的代表性节点。包含思想实验、指标、数据集和评测框架，并非完整目录或权威排名。
THE EVOLUTION OF AI EVALUATION 研究版 / 2026.10
从“像人”到“有用”
AI 评测的演进全景
每一次能力跃迁，都在改写衡量智能的尺子。
沿着 76 年的代表性节点，看评测如何从一道题，走向一个真实世界。
THE EXPANDING QUESTION 评测边界持续外扩
单点能力 → 系统表现 概念示意 / 非量化数据
贯穿全图的主线
评测的对象正在扩大，
“高分”的含义变得更具体。
1950–2026历史跨度
—精选里程碑
6并行演进赛道
5值得关注的转向
01 / THE PANORAMA
一张图，看见评测的演进
横向看阶段，纵向看赛道。
点击节点，打开它的意义、指标与盲区。
赛道
阶段
按阶段分栏，非等距时间轴；分期与分类为编辑归纳。左右滚动查看完整图谱 ↔
没有匹配的里程碑
试试其他关键词，或重置筛选。
02 / FIVE SHIFTS
尺子为什么不断变长？
新评测补上旧评测的盲区。
以下为基于代表性文献的趋势归纳。
03 / READING A SCORE
一个分数，到底说明什么？
选择一种评测方式，看看它能回答什么，
又把哪些问题留在了分数之外。
≠
分数可比较的前提，是评测条件可比较。
检查数据版本、测试划分、提示词、工具权限、采样次数、计算预算和置信区间；跨基准的百分比不构成同一条“智能进步曲线”。
04 / RESEARCH NOTES
来源与阅读口径
年份如何标记
优先记录首次公开论文或正式发布；必要时同时注明会议年份。资料核查截至 2026 年 10 月 3 日，未发布的路线图不作为已发生事件。
趋势如何阅读
六条赛道、历史分期与五大趋势为编辑归纳。后来的评测并未取代先前方法；节点密度反映本图的选取，不代表研究数量或市场份额。