Hugging Face Blog·· 28 天前AI 评分56
BenchMIRT：审计 LLM 评测基准在题目层面究竟测量什么
BenchMIRT: What are LLM benchmarks actually measuring?
AI 导读
Hugging Face 与 Allen AI 介绍 BenchMIRT，一种在单条题目层面审计 LLM 评测基准的方法，基于多维 IRT（MIRT）估计模型在各能力维度上的强度与每道题的难度和区分度。
来源：Hugging Face Blog · huggingface.co