10xAI Wiki
Search
搜索
暗色模式
亮色模式
阅读模式
导航
此标签下有1条笔记。
2026年8月11日
基准失效的三种模式:题目缺陷、数据污染、测量工具不可靠
analysis
benchmark-failure
data-contamination
llm-as-judge
expert-audit
eval-validity