evaluation-suite

本文介绍了TokEval，一个用于评估语言模型分词器的框架，该框架利用与下游任务性能相关的内在指标。

介绍EconEvals，一个开源评估套件，用于衡量AI能力并预测全美劳动力经济中的就业冲击，解决了基准测试重点（数学/编码）与实际岗位分布之间的错位。