Hugging Face Blog·· 2026-09-02AI 评分30
Hugging Face 推出 BenchMIRT：审计 LLM benchmark 到底在测什么
BenchMIRT: What are LLM benchmarks actually measuring?
AI 导读
Hugging Face 发布 BenchMIRT，一种在单条 prompt 层面审计 LLM benchmark 的多维 IRT 方法，可分离同一评测中混杂的不同能力信号。
来源：Hugging Face Blog · huggingface.co