arXiv · cs.CL· Guoming Ling·· 14 天前AI 评分34
我们是否测试得太多了？LLM 高效评估的基准压缩综述
Are We Testing Too Much? A Survey of Benchmark Compression for Efficient Evaluation of Large Language Models
来源与原文
arXiv · cs.CL
作者：Guoming Ling
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.18248v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
该 arXiv 综述系统梳理了针对大语言模型（LLM）评估的基准压缩研究，共回顾 119 篇论文，通过从部分评估估计完整基准分数与排名来降低评估成本。研究提出一套分类法，覆盖单基准内压缩、跨基准套件压缩与自适应评估三类方法，并比较其信息需求、总成本与可靠性验证。这类方法可显著降低评估开销，但存在覆盖不足、估计不准和顺序延迟的风险。
来源：arXiv · cs.CL · arxiv.org