三星电子日前正式发布自主创新研发的AI评估体系——"可信真实场景使用评估基准"(Trustworthy Real-world Usage evaluation Benchmark ，简称TRUEBench)。这款由三星研究院倾力打造的性能测试工具，旨在解决业界现有评估标准在多语言兼容性和复杂任务测试力度的不足。
TRUEBench采用突破性的测试架构设计，摆脱了传统基准测试的固有局限。其测试样本范围极具弹性，从8个字符的微型任务到逾20000字符的大规模文档处理应有尽有，完整覆盖从基础功能执行到高级逻辑分析的全方位能力评估体系。这种立体化的设计理念，使评估结果能精准反映AI系统在实际商业环境中的综合表现。
评估体系方面，TRUEBench开创性地引入"AI+专家"的混合评分机制。通过智能算法与人工审核的协同优化，构建出包含多维指标的量化评估矩阵。据悉，该工具测试数据库及实时性能榜单已在Hugging Face开源社区同步开放，支持用户对最多5个AI模型进行交叉对比分析。
三星电子DX事业部CTO Paul (Kyungwhoon) Cheun指出，TRUEBench的研发融入了三星在智能终端领域数十年的技术沉淀。他表示："我们将实际场景中的AI应用know-how转化为标准化评估框架，旨在为行业建立更具实践价值的性能基准，同时强化三星在AI创新领域的核心竞争力。"
此次TRUEBench的发布，被视为三星布局AI基础设施的重要里程碑。相比同类产品，其独特优势体现在两大方面：全面支持主流语种及部分小众语言的评估体系、以及精准对标企业数智化转型需求的场景化测试系统。这些差异化特质使其在商用AI评估领域展现出显著的技术领先性。
