跳到正文
arXiv · NLP· Eunsu Kim, Haneul Yoo, Guijin Son, Hitesh Patel, Amit Agarwal, Alice Oh·· 2026-10-14AI 评分31

BenchHub:面向 LLM 的组成感知评估框架

Benchmarks Are Not Atomic: Composition-Aware LLM Evaluation using BenchHub

AI 导读

BenchHub 是一个将基准视为实例级属性分布的组成感知评估框架,旨在解耦模型能力与基准构成。 该框架整合 54 个基准、涵盖 10 种语言的 839K 样本,支持构建可控评估集以优化模型选择。 论文已被 NeurIPS 2026 接收,推动基准组成透明化与可检查的评估实践。

来源:arXiv · NLP · arxiv.org