阿里数据提出大模型评测基准健康指数

阿里数据研究团队提出并发布基准健康指数（BHI），对158个大语言模型评测基准的有效性进行评估，结果用于判断这些基准是否仍能区分模型能力、避免分数饱和并具有参考影响力。 BHI基于117个模型的技术报告，从能力区分度、抗饱和度和影响力三个维度计算得出。其中，能力区分度占32.63%，抗饱和度占35.74%，影响力占31.63%；前两项指标按8:2合成，以当前状态为主要权重。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。