登录

评测基准

分类

挑战空间

长期固定的评测题目可能被纳入预训练数据，提前学习过的高分未必还能反映模型真实能力，而随着模型跑分逐渐接近上限，评测基准的挑战空间也在收缩。

文章

其它

评测基准能不能拉开模型差距？

文章