基准该像软件一样维护：Continuous Benchmarks 方法引热议
ajratner · x · 2026-09-08
在 Jerry Liu 前述基准思维模型的基础上，他补充引用 Ryan Marten 的文章《Continuous Benchmarks》：基准不应是静态产物，而应作为软件来维护——像持续更新的代码一样迭代测试集与分布覆盖，以保持基准的鲁棒性与时效性。
文中给出了基准构建流程的雏形：提出针对前沿能力的测试想法，再持续维护与扩展。这呼应了「对抗 gaming 靠更多、更持续、覆盖更广的基准」的主张。
所属事件:LlamaIndex CEO 论基准之道：持续维护胜过弃用(2 条相关)→
「研究」频道最新
- Latent-Foresight:让世界模型学着预判自己的未来 — abursuc · 2026-10-27
- 英国 AISI 发文：现有手段不足以防生物 AI 工具被滥用 — davidmanheim · 2026-10-27
- CMU 发布 XYBench:LLM 只答字面问题,常无视用户真实需求 — valentina__py · 2026-10-27
- arXiv 前主席提示:投稿主分类选错,论文几乎必被搁置 — tdietterich · 2026-10-27
- arXiv 积压超 4000 篇论文被搁置，版主致歉并给出避坑建议 — tdietterich · 2026-10-27
- 72 张实拍图训练 MOSS 锐度滑块 LoRA,权重 1 到 -1 调焦 — aoleg77 · 2026-10-27