← 返回话题列表

# MMLU-Pro

相关话题

2024-09-15

模型评测与基准危机

Reflection 模型被指成绩造假并道歉，MMLU-Pro 等新基准紧急上线，英伟达科学家称“现有测试已失灵”。行业面临基准饱和、刷榜泛滥的信任危机，推动更严格、可解释的评价体系成为共识。
基准测试 Reflection MMLU-Pro 模型评估 可信度
📰 2 条相关内容 查看详情 →