10xAI Wiki

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

Created with Quartz v5.0.0 © 2026

  • RSS
  • GitHub