跳到正文
arXiv · ML· Zhenlong Liu, Hao Zeng, Hongxin Wei·· 3 天前AI 评分34

多模型基准测试去污染的可证明联合方法 JECS

Provable Joint Decontamination for Benchmarking Multiple Large Language Models

AI 导读

JECS 提出一种联合选择程序,实现了可证明的全局污染率(GCR)控制,用于多模型基准测试去污染。 该方法通过计算逐模型共形 p 值并聚合为保守包络,应用自适应 Benjamini-Hochberg 程序选择基准,在实验中表现出比基线更高的检测效力。 JECS 解决了独立应用单模型方法导致的跨模型比较不可靠问题,已获 NeurIPS 2026 接收。

来源:arXiv · ML · arxiv.org