研究者提出组合感知评测框架BenchHub

研究者提出组合感知评测框架 BenchHub，将基准表示为实例级属性的分布，整合 54 个基准、83.9 万条样本，覆盖 10 种语言。 该框架称，动机相似的基准内部组成差异显著，现有基准常含超出其声明用途的可复用覆盖，模型在细粒度类别上的性能差异会被聚合分数掩盖；在不同重加权与重采样配置下，模型排名会发生变化。

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。