benchmark-prediction

有用户基于线性回归预测，DeepSeek V4 Flash 0731 在 Artificial Analysis 上的评分将达到 57±1，与 Kimi K3 水平相当。该帖对其价格下的模型性能表示兴奋。

MS AI Frontiers团队推出了BenchPress，该方法利用矩阵补全技术，仅通过五个探针即可预测LLM基准测试得分，表明得分矩阵实际上为秩2。

这篇研究论文表明，前沿AI模型在133个基准测试上的得分近似于秩为2，即仅两个潜在因素就解释了超过90%的方差。作者提出了BenchPress，一种在logit空间中进行矩阵补全的方法，仅需少数几个基准测试就能预测模型的完整得分表，从而显著降低评估成本。