#Benchmark

主流 benchmark 有哪些？为什么不能只看 benchmark 选模型？

考察对公开榜单的批判性认识：MMLU、HumanEval 等榜单存在数据污染、饱和、分布不匹配问题，正确姿势是榜单初筛加业务自建评测集复测。