阿里数据提出 BHI 框架评估 LLM 评测基准健康度

阿里数据团队提出基准健康指数（BHI），筛选 158 个评测基准，从区分度、抗饱和度和影响力三维度评估有效性。 HLE 以 67.05 分位居 BHI 榜首，移除任一维度排序均显著变动。 相关论文被 NeurIPS 2026 Evaluations and Datasets Track 接收为 Oral 论文。