درون سیستم Blinded Eval؛ راهکاری برای شناسایی حافظهٔ لو رفته در بنچمارکها
یک چارچوب ارزیابی جدید با جداسازی مسیرهای «دقیق» و «کور»، مانع از تقلب مدلهای هوش مصنوعی در آزمونها میشود. این سیستم تضمین میکند مدلها بر اساس رعایت دستورالعملها سنجیده…











