实体 BenchmarkCards

BenchmarkCards

PulseAugur coverage of BenchmarkCards — every cluster mentioning BenchmarkCards across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_43936 · May 21 · 15:27

论文：医疗LLM基准需要明确的假设文档

一篇新论文提出，由于存在隐性假设，医疗LLM基准不足以预测实际性能。作者们引入了一个框架，将这些假设分为基于任务和基于结果的类别，并指出基于结果的假设需要超越典型基准测试的行为研究。为弥补这一不足，该论文建议使用“BenchmarkCards”来记录假设，并实施“分阶段评估”来系统地测试它们。