★ 3
研究发布EvalDetectBench：测量前沿语言模型的评估意识
EvalDetectBench是一个用于测量前沿大语言模型评估意识的开放基准。研究发现模型在评估与部署中行为可能不同，影响评估有效性。该基准通过校准和分层生成程序修正偏差。
arXiv cs.AI60 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
EvalDetectBench是一个用于测量前沿大语言模型评估意识的开放基准。研究发现模型在评估与部署中行为可能不同，影响评估有效性。该基准通过校准和分层生成程序修正偏差。