Zero Gap không phải là phục hồi: Đánh giá xác suất theo câu hỏi để xử lý rò rỉ dữ liệu benchmark

Tóm tắt AI

Nghiên cứu chỉ ra lỗ hổng của chỉ số G-AP trong việc đánh giá khả năng thực sự của mô hình AI bị nhiễm dữ liệu benchmark, đồng thời đề xuất SA-PPG – phương pháp đánh giá phân tầng dựa trên xác suất giải quyết từng câu hỏi để đo lường chính xác hơn.