LeakScale量化基准曝光对模型成绩的因果影响

Divyansh Singh 等人提出 LeakScale 因果测量框架，用于量化基准测试曝光对模型成绩的影响。该框架通过构造依赖私有不可推导信息的新鲜可执行任务、反事实校验候选答案并训练互补适配器，使基准特定曝光变得可操控。 在 2,048 个任务族、两个模型族、两个可执行领域、三种任务形式和 589,824 次生成中，曝光使精确任务准确率提升 +3.22 至 +10.66 个百分点；所有族聚类 95% 区间均排除零，四项主检验通过 Holm 校正。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。