Ai2提出评估大模型基准的新指标
ChengleiSi · x · 2026-07-18
Ai2发布新论文探讨语言模型评测的有效性。研究指出，由于随机性，很难判断模型评测结果的提升是真实能力差异还是偶然现象。为此，作者提出了两个简单指标来衡量基准测试的可靠性：信号（benchmark区分不同模型的能力）和噪声（不同训练步骤带来的随机波动）。
「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
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 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