技术
Model Benchmark（模型基准测试）
Model Benchmark（模型基准测试）是通过标准化数据集和指标评估AI模型性能的方法，解决模型间公平比较的问题，典型应用包括GLUE、SuperGLUE、MMLU等，代表工作有HELM和BIG-bench。
详细解释
基准测试通常由固定数据集、评估指标和排行榜构成，用于衡量模型在特定任务上的表现。早期NLP基准如GLUE推动模型迭代，但存在数据泄露和过拟合问题。为全面评估，HELM从多维度测试语言模型，BIG-bench涵盖204项任务。动态基准如MMLU和AGIEval则针对大模型能力设计，但需注意基准污染和泛化性挑战。
别名与相关写法
model benchmark
相关术语
Language Model共现 1 篇
相关资讯
arXiv 论文：多项式图滤波器在长程 Ising 基准存在误差下限2026/10/19
研究：基础语言模型基准评测设置选择指南2026/10/15