arXiv Artificial Intelligence· Han Jiang, Susu Zhang, Dongyao Zhu, Yuzhuo Bai, Sang T. Truong, Xiaoyuan Yi, Sanmi Koyejo, Xing Xie, Ziang Xiao·· 3 小时前AI 评分38
AI 评估应要求发布标准化的条目级数据
AI Evaluation Should Require Standardized Item-Level Data Releases
AI 导读
一篇 NeurIPS 2026 立场论文主张，标准化条目级基准数据应成为 AI 评估的默认基础设施，因为当前评估存在条目选择不明确、构念错位和泛化性差等问题，而过度关注聚合模型分数使这些缺陷难以被发现和修复。
来源：arXiv Artificial Intelligence · arxiv.org