arXiv · cs.AI · Longyuan Zhu, Hairan Hua, Linlin Miao, Wei Wang, Bing Zhao · 12 小时前模型评分46
Benchmark Health Index：系统评估大语言模型基准的框架
Benchmark Health Index: A Systematic Framework for Benchmarking the Benchmarks of LLMs
导读
研究者提出纯数据驱动的 Benchmark Health Index（BHI），从能力区分度、抗饱和度和影响力三个维度审计评测集，并基于 2025 年 91 个代表性模型技术报告中的 106 个基准刻画评测格局。该框架为基准选择提供依据，并支持评测协议的动态生命周期管理。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce the Benchmark Health Index (BHI), a pure data-driven framework for auditing evaluation sets along three orthogonal and complementary axes”
来源：arXiv · cs.AI · arxiv.org