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
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11
- Skyfall GS 登场:用 Flux 提升 Gaussian Splatting 精修质量 — ducha_aiki · 2026-09-11
- 一万个智能体能否突破反向传播,找到更好的学习算法 — SeunghyunSEO7 · 2026-09-11