AI安全不可假设可组合性：部署需独立测试
AI从业者深知部署系统与基础模型行为差异显著，但安全评估常错误假设可组合性。研究表明，微调等修改会导致安全分数不可预测地变化，正反方向均有可能。MLCommons强调需针对完整部署系统进行测试，其Candela服务提供带误差范围的可靠基准，
MLC 相关资讯
MLCommons推出AILuminate Safety 1.2.1与Jailbreak 1.1基准
MLCommons近日发布AILuminate Safety 1.2.1和Jailbreak 1.1两项基准，开发者可通过Candela服务自测AI系统产生有害内容的风险及抗攻击能力。基准由80多家机构共识构建，覆盖12类危害场景，并采用确
Candela 发布：AI 风险基准测试即服务
MLCommons 推出 Candela 平台，为开发者和部署者提供 AI 风险与可靠性基准测试服务。该平台基于 AILuminate 基准，支持 Safety 1.2.1 和 Jailbreak 1.1 等测试，覆盖暴力犯罪、金融健康法律
MLPerf成欧盟AI超级工厂招标标尺，Endpoints v1.0开放提交
随着AI采购从“芯片速度”转向真实服务性能、成本与能耗，MLCommons宣布两项进展：MLPerf被欧盟AI Gigafactories招标采纳为训练与推理评测标准，MLPerf Endpoints v1.0也正式开放提交，以开放、同行评
MLCommons 更新使命：标准化 AI 测量 赋能明智决策
MLCommons 宣布更新使命，核心聚焦于标准化 AI 测量并支持各方做出明智决策。八年来 AI 行业快速发展，测量是解锁 AI 潜力的基础，能帮助表征系统行为、评估功耗与性能。组织将通过工业级基准测试、协议及测试套件，提供速度、功耗、可
MLPerf Endpoints：为何成为买家选购AI推理系统的关键基准
MLPerf Endpoints是MLCommons推出的新型推理基准，专注于评估生产环境下的真实端点性能。它不再孤立测试硬件，而是将模型、硬件、 serving软件和网络整合，在真实负载下测量系统表现。该基准提供完整的Pareto前沿曲线
MLCommons 获 NSF 资助 打造 MLPerf Agents 代理 AI 基准
MLCommons 被选为 STRIDE Ventures AI Efficiency Challenge 的基准团队，获得美国国家科学基金会 350 万美元两年资助，将开发全新 MLPerf Agents 基准。该基准聚焦代理 AI 系统
DLRMv4：MLPerf推荐训练基准迈入序列化时代
MLPerf拟以DLRMv4填补序列化推荐训练负载空白：新基准用HSTU替代传统特征交互栈，并引入Yambda-5B真实多行为数据集，将嵌入表扩展至约560GB，更贴近超大规模生产推荐系统。
AI风险不该靠感觉：企业如何量化、定价与管理
MLCommons指出，企业AI治理的关键不是放慢采用，而是像管理数据泄露、信贷和安全风险一样，用独立基准和可审计证据量化AI风险。AILuminate等工具可帮助团队识别危害、配置控制并测试真实部署系统。
AI代理处理敏感数据风险新分类法发布
MLCommons AI Risk & Reliability工作组发布Agent Privacy Risk Taxonomy v0.1，系统梳理AI代理在处理个人数据时的五大隐私风险领域。该分类法聚焦数据摄取与处理、聚合使用与共享、跨代理
MLCommons代理可靠性框架入围全球监管黑客马拉松
MLCommons金融服务工作组的Agent Reliability Profile成功入围C:>DIR全球“Agentic Regulator”黑客马拉松决赛。该框架旨在解决AI代理在金融领域的授权与监督空白，通过Profile Buil
MLPerf Inference v6.1 基准测试创参与新纪录
MLCommons 发布 MLPerf Inference v6.1 基准测试最新结果，参与机构数量创历史新高。本次更新新增端到端 RAG 和边缘代理推理两项测试，反映 AI 推理部署趋势，同时支持投机解码优化。结果显示，视觉语言模型性能较
MLPerf Inference v6.1：行业工程投入新风向
MLPerf Inference v6.1创下新纪录，共有30家提交者参与，涵盖硅厂商、系统集成商、云服务商及推理软件公司。本轮标志着行业向agentic和端到端基准测试的明显转向，同时涌现大量新型硬件。Datacenter套件最受欢迎的基
MLCommons 加入欧盟 AIRIS 项目 推进生物医学 AI 基准测试
MLCommons 近日宣布成为欧盟地平线欧洲计划资助的 AIRIS 项目联合体成员。该项目汇集欧洲、加拿大和美国 21 家合作伙伴，获得 1690 万欧元资助，旨在开发融合生物知识与临床数据的生成式 AI 平台。MLCommons 将主导
MLPerf Training 推出首个 LLM 后训练基准
MLPerf Training 将从 2026 年 10 月 v6.1 提交轮次起新增 LLM 后训练基准，补充现有预训练测试。该基准采用 RLVR 方法，结合蒸馏、强化学习与监督微调，使用 Qwen 3.5 397B 模型和 R2E-Gy
MLPerf Storage v3.0 基准测试结果发布
MLCommons近日公布MLPerf Storage v3.0基准测试结果。该版本新增KV Cache和Vector Database两项测试，覆盖更多AI推理存储场景。同时引入S3对象存储访问层，支持更广泛存储系统性能比较。共有19家机
MLPerf 发布端到端 RAG 推理基准
MLCommons 推出首个端到端检索增强生成（RAG）推理基准，涵盖文档摄取与多跳问答全流程。该基准采用 FRAMES 数据集，包含 824 个多跳查询和 2515 篇维基百科文章，支持从实时检索文档生成答案，有效降低幻觉并利用私有知识。
双盲设计：构建可信AI评估的核心保障
随着AI在金融、医疗等敏感领域的广泛部署，企业迫切需要了解模型在其特定数据和用例下的可靠性和安全性。然而，传统评估方式难以兼顾数据隐私、模型权重保护以及基准完整性。MLCommons携手Google DeepMind、OpenMined与A
如何判断AI基准测试是否值得信赖
在企业AI应用中，基准测试分数常被用作模型选型和采购决策的依据，但部分结果存在“benchmark washing”问题。本文基于MLCommons多年实践，提出七项信任测试准则，涵盖基准相关性、数据污染控制、可复现性、指标完整性、模型作弊
MLPerf Client v2.0 发布：新增图像生成与智能体AI基准
MLCommons近日推出MLPerf Client v2.0基准测试套件，扩展了对AI PC的评估能力。新版本新增图像生成和Agentic AI类别，同时升级LLM推理测试，支持Phi 4 Mini Instruct和Qwen 3 8B模