由独立机构对 AI 系统进行外部测试和评估。
第三方评测像相亲带闺蜜把关，别只听本人把自己夸成抢手货。
它用于模型选型、榜单和风控，帮你少被宣传话术带跑。
Model-leaderboard
许多模型排行榜的分数，都建立在第三方评测结果之上。
AI-regulation
第三方评测能为监管提供相对独立的风险判断依据。
LLM-as-a-judge
有些第三方评测会使用 LLM-as-a-judge 辅助评分。
Benchmark contamination
如果发生 Benchmark contamination，第三方评测也可能被刷高分数。