web4hub 分析 LLM 基准测试之间的相关性

web4hub 的一个玩具项目以 Chatbot Arena 的人工评测 Elo 分数为金标准，计算其与 Open LLM Leaderboard 各基准结果的 Spearman 相关性，并用 LASSO 回归筛选出预测 Elo 分数最重要的基准。基于选定基准，模型在测试集上预测 Elo 分数的相关性达到 0.94。该项目获 MyShell 开源资助支持。