SealedBench 用轮换封闭评测防止模型刷榜
cramforce · x · 2026-07-23
SealedBench 被描述为一个“难以刷题”的 AI 基准。
它的思路是采用持续轮换、且始终封闭的评测集，避免实验室直接拿题训练或针对基准过拟合。作者强调，很多常见 benchmark——从代码题、法律案例到滑板技巧——一旦公开就会被“做题化”。
「研究」频道最新
- EMNLP 2026 两篇论文：小模型实体追踪超人类、类人短暂记忆研究 — GretaTuckute · 2026-10-27
- 历时十年研究：秘鲁 Tarma 克丘亚语的「反自然」音系限制首获实证 — begusgasper · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
- IdeaAnchor:用 1.4 万篇论文的灵感溯源教 LLM 基于文献提想法 — armancohan · 2026-10-26
- MIT Ziming Liu 批评 AutoResearch：不懂原理的训练技巧会引发 forking 过拟合灾难 — ZimingLiu11 · 2026-10-26
- 斯坦福数据中心化 AI 研讨会开放报名，海报截止延期 — jure · 2026-10-26