BenchHub论文：组合感知的LLM基准分析框架

Eunsu Kim等人在arXiv更新论文（v2），提出组合感知的大语言模型评测框架BenchHub，将基准表示为实例级属性上的分布，而非单一整体测量单位。该框架整合54个基准、839K个样本、10种语言，可用于检查基准构成、发现可复用覆盖范围、比较基准并构建可控评测集。结果显示，基准内部构成差异、模型的细粒度类别表现以及不同的重加权或重采样配置都可能影响模型排名。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。