BestRand基准压缩方法提出
热点事件持续更新
BestRand基准压缩方法提出
1 篇报道1 个报道来源21 小时前更新
先了解这件事
AI 综述
George Ling等人提出BestRand基准压缩方法，通过随机采样降低模型评测成本，平均将高误差风险降低50.2%，估算误差降低16.4%。 该方法在70多个文本、多模态及智能体基准上得到验证，OOD估算误差平均降低21.8%，且仅需51.3%的构建成本，在保留效率的同时显著减少了高误差尾部风险。 研究团队已公开相关代码与数据，为低成本模型评测提供了新途径。
AI 根据报道生成 · 57 分钟前更新
最新进展11月3日 13:00
BestRand：稳定且低成本的基准压缩方法报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · NLPBestRand：稳定且低成本的基准压缩方法
该研究提出 BestRand，通过随机采样降低模型评测成本，平均将高误差风险降低 50.2%，估算误差降低 16.4%。 方法在 70+ 文本、多模态及智能体基准上验证，OOD 估算误差平均降低 21.8%，且仅需 51.3% 的构建成本。 随机采样虽高效但存在罕见大误差，BestRand 在保留效率的同时显著减少高误差尾部风险，代码与数据已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。