模型评测
榜单帮不了你选模型：自建评测集的做法
公开榜单会受到题目污染、分数饱和和机制过拟合影响。本文解释这些失灵机制，并给出二十到五十道私有评测集的题目来源、分层、打分和样本量方法。
主题
模型评测
围绕模型能力评测、基准测试、污染分析和实际任务验证的方法与实践。
重点文章
最新文章
暂无更多文章
主题
围绕模型能力评测、基准测试、污染分析和实际任务验证的方法与实践。
模型评测
公开榜单会受到题目污染、分数饱和和机制过拟合影响。本文解释这些失灵机制，并给出二十到五十道私有评测集的题目来源、分层、打分和样本量方法。
暂无更多文章