benchmark-cleaning

#benchmark-cleaning

仅凭表面判断：清理LLM真实性基准以避免表面特征泄露

arXiv cs.CL ↗ · 3天前缓存

本文识别了如TruthfulQA等真实性基准中的表面特征泄露问题，在此问题中，模型可以通过利用答案形式差异来作弊，并介绍了Audit-Prune来清理基准，确保更可靠的评估。

0 人收藏 0 人点赞