阿里团队提出BHI评估158个LLM基准
热点事件持续更新
阿里团队提出BHI评估158个LLM基准
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
阿里数据与晓天衡宇研究团队在论文中提出基准健康指数（BHI），基于117个模型的技术报告整理出158个LLM评测基准，从能力区分度、抗饱和度和影响力三个维度评估这些基准是否仍能提供有参考价值的模型比较。该论文被NeurIPS 2026 Evaluations and Datasets Track以Oral接收。 BHI在区分度上以最高分与最低分之差2%为阈值，统计分差超过阈值的模型对占比，并取第10到第90百分位的分数跨度；在抗饱和度上按模型能力加权估计剩余提升空间，并拟合分数随时间趋势向后推算30天，判断基准是否接近饱和。团队随机移除30%的模型后，新旧排名的Spearman秩相关系数仍高于0.97。 团队同时指出，不同技术报告中的提示词、工具配置和测试条件未必一致，分数虽经对齐，差异仍可能存在。
AI 根据报道生成 · 3 小时前更新
最新进展10月31日 15:29
阿里数据团队提出基准健康指数，为158个评测基准打分报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- WeChatRSS：机器之心阿里数据团队提出基准健康指数，为158个评测基准打分
阿里数据与晓天衡宇的研究团队在论文中提出基准健康指数（BHI），从能力区分度、抗饱和度和影响力三个维度评估158个LLM评测基准，该论文被NeurIPS 2026 Evaluations and Datasets Track以Oral接收。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月31日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。