arXiv 自然语言处理· George Ling, Shanshan Zhong, Lijin Yang, Hao Yang, Nanxiang Li, Zhongzhan Huang·· 19 hours agoAI score43
随机采样几乎足够？基于 BestRand 的稳定低成本评测基准压缩
Random Is Almost Enough? Stable and Low-Cost Benchmark Compression via BestRand
Not yet translated; shown in Chinese.
AI guide
研究人员提出评测基准压缩方法 BestRand，在保留随机采样效率的同时显著降低高误差长尾风险。该方法在 70+ 个文本、多模态和智能体基准上验证，相比竞品将高误差风险降低 50.2%、平均估计误差降低 16.4%，且仅需 51.3% 的构建成本。此外，其 OOD 估计误差平均降低 21.8%，相关代码与数据已公开发布。
Source:arXiv 自然语言处理 · arxiv.org