RankBALD提出面向排序的主动评测
hugo_larochelle · x · 2026-07-09
RankBALD: Ranking-Aligned Active Evaluation for Language Models 已被 COLM 2026 接收。 论文指出，随着大模型性能差距缩小，静态 benchmark 需要更大成本才能稳定排序；现有自适应评测多优化能力估计，而 RankBALD 直接优化模型排序，选择对相邻模型排名最有区分度、且难度匹配的测试项。
hugo_larochelle · x · 2026-07-09
RankBALD: Ranking-Aligned Active Evaluation for Language Models 已被 COLM 2026 接收。 论文指出，随着大模型性能差距缩小，静态 benchmark 需要更大成本才能稳定排序；现有自适应评测多优化能力估计，而 RankBALD 直接优化模型排序，选择对相邻模型排名最有区分度、且难度匹配的测试项。