维度网讯，近日，中国信息通信研究院（中国信通院）在瑞士日内瓦人工智能向善（AI for Good）全球峰会期间举办“大模型评测与标准研讨会”。国际电信联盟（ITU）电信标准化局副局长比莱尔·贾穆西、中国信通院院长余晓晖出席并致辞，会议旨在进一步响应《联合国全球数字契约》中“消除AI评测领域新数字鸿沟”的相关建议。

比莱尔·贾穆西在致辞中指出，国际标准正成为推动AI治理和可信应用的重要支撑。ITU已发布大模型基准评测国际标准，并持续推进多模态大模型等标准化工作。本次研讨会发布的共建倡议旨在推动全球在评测指标、方法与标准等的跨领域、跨机构协作，促进人工智能安全、普惠、向善发展。

中国信通院院长余晓晖指出，大模型评测体系体现的是人类对人工智能发展方向的价值选择，评测维度和方法的设定将深刻影响技术演进与应用落地的方向，是推动人工智能可信发展、兼顾社会公平与可持续发展的重要基础。他表示，推进评测国际合作的关键在于凝聚全球共识，既要加强评测技术路径协同，也要共同树立安全、可信、可控、向善的价值导向。

中国工程院院士、阿里云创始人、之江实验室主任王坚在主旨演讲中表示，大模型作为高度复杂的系统，其开发者也难以准确把握其能力边界，这给评测工作带来巨大挑战。他指出，当前评测更多是对系统功能的测试，未来可借鉴人类智商测试的思路，探索建立衡量机器智能的一致性方法论。评测的意义不仅在于打分排序，更在于帮助理解和推进技术本身。

北京智源人工智能研究院副院长兼总工程师林咏华、国际电工委员会（IEC）副秘书长Gilles Thonet、AI Safety Connect联合创始人Nicolas Miailhe，以及来自Korabench.ai、亚马逊云科技、Future Ethics Lab、韩国电子通信研究院、华为、中兴等机构的专家，围绕科学基础模型、红队测试、AI行为测量、标准互操作与国际互认等议题分享了实践并展开深入讨论。与会各方形成四点共识：一是可信人工智能靠验证、不靠声明，评测是推动人工智能向善的基础能力；二是静态基准的局限日益显现，评测应走向动态、持续并覆盖全生命周期；三是评测范围应从模型延伸至应用，兼顾长远风险与现实影响；四是加强方法共享和结果互认，推动标准与评测成为全球公共基础设施，让评测成果惠及更多国家和群体。

中国信通院人工智能研究所所长魏凯在题为“大模型评测：实践与标准化”的主题报告中介绍了“方升”大模型评测体系。魏凯指出，大模型评测发挥着牵引技术创新的“指南针”、连接技术与应用的“连接器”以及保障AI向善发展的“安全阀”三重作用。未来，能力评测将更加注重复杂任务验证，安全可信评测将向系统风险识别拓展，工程效能评测将强化成本与效率协同。“方升”体系以ITU-T F.748.44为重要依据，覆盖能力、应用、安全可信和前沿智能等多个维度。截至2026年7月，该体系已完成超过1500次测评，建成850万条测试数据集，并通过动态测试降低数据污染和刷榜风险。

中国信通院在会上发布了《大模型评测体系共建与向善发展国际倡议》，围绕认识评测价值、推动评测创新、健全评测框架、夯实数据底座、赋能产业应用、促进开放协作、保障评测透明、维护评测诚信、推动标准互操作和促进人工智能向善等十个方面提出主张。该倡议邀请国际组织、科研机构、企业和社会各界共享数据集与评测方法，共建开源评测社区，以缩小智能鸿沟。

未来，中国信通院将进一步深化与ITU、IEC、ISO等国际组织及全球产业界、学术界和开源社区的合作，开放共享评测方法、数据集和实践经验，推动形成开放、包容、互操作的人工智能评测生态，为人工智能向善发展贡献中国实践。