待验证50% 置信事实精确时间

HELM（Holistic Evaluation of Language Models）是学术界的综合评测集，尝试从多维度对比大模型表现

1

来源数

50%

置信度

长期有效

时效性

2026/9/21

首次发现

来源

OpenAI呼吁建立全球AI标准：协同评估与治理成关键

涉及实体

相关事实

待验证EleutherAI的Language Model Evaluation Harness专注于能力基准测试70% 相似已验证主流大语言模型输出文本的典型特征包括句式工整、段落结构清晰、善用强调词汇、逻辑链条显性化，这种现象被研究人员称为'模型风格偏差'（stylistic bias）69% 相似待验证研究对六个主流大语言模型进行了测试69% 相似待验证研究对8个大语言模型进行了双重评测，既让它们充当出题者生成误导选项，又作为答题者解决问题68% 相似待验证评估大语言模型能力的常见基准测试包括MMLU、HumanEval、MATH以及LMSYS Chatbot Arena67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/939220

API

curl https://kongchang.com/api/v1/knowledge/claims/939220

MCP

get_claim(id=939220)