BenchHub 汇聚 54 个基准 839K 题目,细粒度审计 LLM 评测

tongshuangwu · x · 2026-11-23

CMU、NYU、KAIST 等机构研究者在 NeurIPS 2026 发表 BenchHub 框架,针对现有数百个 LLM 基准重复、零散、难以复用的问题。

论文:Benchmarks Are Not Atomic: Composition-Aware LLM Evaluation using BenchHub

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →