arXiv · cs.AI· Han Jiang, Susu Zhang, Dongyao Zhu, Yuzhuo Bai, Sang T. Truong, Xiaoyuan Yi, Sanmi Koyejo, Xing Xie, Ziang Xiao·· 2 天前
AI评测应要求标准化条目级数据发布
AI Evaluation Should Require Standardized Item-Level Data Releases
arXiv:2604.03244v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Han Jiang, Susu Zhang, Dongyao Zhu, Yuzhuo Bai, Sang T. Truong, Xiaoyuan Yi, Sanmi Koyejo, Xing Xie, Ziang Xiao
研究任务与主要进展
基于论文摘要，作者主张将标准化条目级基准数据作为AI评测的默认基础设施，并提出包含条目内容、测试条件、模型回答和条目级得分统计的数据发布要求。作者构建了OpenEval，在统一模式下汇集来自常用基准的超过1070万条回答和超过16万个条目，用于识别低质量条目、记录构念错配并恢复基准内部结构效度证据；摘要称数据污染与协调负担是可处理的，但未提供全文细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org