near-tie-analysis

#near-tie-analysis

接近持平的大语言模型排名是否对族DIF引导的基准测试重组具有鲁棒性？

arXiv cs.CL ↗ · 2026-09-02 缓存

本研究通过心理测量方法，探讨接近持平的大语言模型排名在基准测试项目组成变化下的鲁棒性。研究发现，尽管整体排名保持稳定，但个别接近的排序可能因项目选择而发生逆转。

0 人收藏 0 人点赞