实体 BenchMIRT

BenchMIRT

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

总计 · 30天

2

90 天内 2

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 2 条

TOOL · CL_230874 · Sep 1 · 21:52

BenchMIRT 工具质疑大型语言模型安全评估，发现推理偏见

一款名为 BenchMIRT 的新工具已被开发出来，用于评估大型语言模型安全性和能力评估的有效性。对烧烤（BBQ）社交偏见评估的初步测试显示，这些问题主要根据模型的推理能力而非其安全特性来区分模型。
TOOL · CL_230863 · Sep 1 · 21:39

新的BenchMIRT基准测试对LLM评估方法提出质疑

由艾伦人工智能研究所开发、Hugging Face发布的名为BenchMIRT的新基准测试，旨在重新评估大型语言模型（LLM）的评估方式。该基准测试对当前LLM评估方法的有效性和可解释性提出了质疑，表明需要更细致、更准确的测量技术。