探讨小模型评测：选择题测试易作弊
mervenoyann · x · 2026-07-14
AI 研究员 Merve Noyant 指出，在评估大模型时，多数多选题评测（MCQA）实际上容易让模型“作弊”：即使模型陷入循环或胡言乱语，多选题的选项结构也能帮助其梳理并锚定答案。因此她更倾向于喜欢研究小模型，并强调进行“氛围测试”（vibe test）的重要性。
「研究」频道最新
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11