Benchmark Radar 第二十三天：外部基准目录与排行榜导航器

雷达吸收了外部目录。第二十三天构建了外部目录系统，并在排行榜中新增了基准测试搜索功能。

作者：Koutian Wu；GitHub: ktwu01

Benchmark Radar 已上线。 每天追踪新的 AI 基准测试、数据集与排行榜：打开仪表盘 或 在 GitHub 上 Star。

你好，我是 Koutian。第二十三天，雷达学会了「借别人的清单」。

我们建了一套外部基准目录系统。外面早有现成的基准注册表，比如 llm-stats 和 OpenCompass。雷达现在能把它们的数据抓过来，统一整理成自己内部的格式。每个来源都经过爬取、再拆成按基准分片的小文件，最后过一道身份校验。你不用再自己跑去那几个网站翻，雷达替你归拢好了。

身份层是这里的关键。我们放了一份人工核过的身份种子文件 identity.yml，给整个整理流程打底。系统会自动生成候选身份，但真正拍板的权威身份得人来验证。这样做，既能让机器自动扩规模，又能防止它把两个不同的测试错并成一个，或者把一个拆成两个。你的数据不会被乱改。

normalize-external 这个命令，输出的是按基准分好的文件。每个分片装着那个基准测试的元数据、分数和出处引用，格式统一。你翻任何一个测试，看到的都是一致的排版。

排行榜导航器现在有搜索功能了（这是 M1 的起点）。你可以按名字、按能力等级、按厂商去找某个具体的基准测试。你面对几百个测试时，不用再靠手指一路划下去，几秒就能定位。

搜索索引会导出到 site/data，供网页端直接搜，而且离线也能用。你断网翻看，照样查得动。

OpenCompass 的第二轮目录也并进外部目录了，身份解析全部跑通。Issue #240 那个区块默认折叠，但还看得见，页面不挤也不丢内容。GitHub Pages 的部署也把外部目录的构建接了进去。分片和身份的校验锁死在 100%，保证整理管道永远一致。我们还修了一下导航器的声明，记下了 office hours（开放答疑时间）里的发现。所有外部目录模块都过了 ruff 格式检查。

为什么值得你关心。

外部目录是雷达最大的一次架构升级。以前它只从自己的来源采数据，以后它能吸收外面的注册表。这意味着雷达的覆盖面不再卡在自己爬虫的本事上，接上现成目录，整个基准生态都能纳进来。你能在一个地方看遍全行业，不用到处跳。

身份层是个要紧的技术决定。自动整理很猛，但也危险：一次错并，数据就永远坏了。人工核过的种子在底层保证正确，机器负责处理规模。你存进去的数据，基础是稳的。

排行榜搜索是让雷达数据能被大规模翻找的第一步。几百个测试光靠滚动是不够的，搜索让你几秒找到想要的那个。你查东西的效率，直接翻了好几倍。

解决的问题。

• #240: 外部目录区块
• #246: 外部目录模块
• #247: 导航器审计修正
• 外部目录系统（llm-stats、OpenCompass）
• 人工核验种子的身份层
• 按基准分片输出
• 排行榜基准搜索
• 搜索索引生成
• 不变量锁定 100%

这标志着 Benchmark Radar 开发的前23天。从空白仓库到具备中文国际化、AI 驱动简报、社交媒体集成和外部目录规范化的全功能基准情报平台，项目连续三周每天都有交付。

想跟进 Benchmark Radar？在 GitHub 上 Star 仓库 获取每日更新，或 打开实时仪表盘 浏览扫描结果。阅读论文：arXiv:2609.11115。