热点事件持续更新
中山大学团队发布benchmark压缩系统性综述
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月15日，中山大学团队发布首篇benchmark压缩系统性综述，回顾119篇论文，研究如何通过部分评测估算完整榜单的分数与排名，以降低LLM评测成本。综述提出一套分类法，涵盖单一benchmark内压缩、跨benchmark套件压缩、自适应评测，以及冗余性与可靠性研究。所述方法通过选取代表性子集、复用更廉价信息、自适应抽题来降低成本，但存在覆盖不足、估计不准、串行延迟等风险。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 11:17
中大团队发布首篇benchmark压缩综述，回顾119篇论文并提出分类法以降低LLM评测成本。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- AGI Hunt中大团队综述 119 篇论文：benchmark 压缩可用部分评测估算完整排名
中山大学团队发布首篇 benchmark 压缩系统性综述，回顾 119 篇论文，研究如何通过部分评测估算完整榜单分数与排名，以降低 LLM 评测成本。综述提出分类法，涵盖单一 benchmark 内压缩、跨 benchmark 套件压缩、自适应评测以及冗余性与可靠性研究。方法通过选取代表性子集、复用更廉价信息、自适应抽题降低成本，但存在覆盖不足、估计不准、串行延迟等风险。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15日 12:00）·近 24 小时可比范围变化 –
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。