معيار الأداء هو اختبار موحد أو مجموعة بيانات تُستخدم لقياس أداء نماذج الذكاء الاصطناعي ومقارنتها على مهام محددة. اعتبره الامتحان النهائي الذي يتقدم له كل نموذج بنفس الشروط. تشمل المعايير الشائعة MMLU للمعرفة العامة و HumanEval للبرمجة و GLUE لفهم اللغة. تساعد الباحثين والشركات على اختيار النموذج المناسب، لكن للمعايير حدودها: النموذج المتفوق عليها قد يعاني مع البيانات الواقعية الفوضوية.