机器之心·收录于2026-10-31 19:13· 14 天前65

NeurIPS 2026 ED Oral丨阿里数据研究团队评估 158 个评测基准有效性

NeurIPS 2026 ED Oral丨Benchmark也有保质期？我们给158个评测基准打了分

要点速览

阿里数据研究团队评估了 158 个 AI 评测基准的有效性，发现部分基准因模型能力提升已接近饱和，分数差距缩小导致参考价值下降。研究团队通过打分系统评估基准当前表现，指出哪些基准仍能有效衡量模型性能。

来源: 机器之心 · jiqizhixin.com