Open LLM排行榜MMLU评分异常调查

Hugging Face 发布博客，针对 Open LLM 排行榜中 MMLU 评分出现的异常现象进行调查。调查发现部分模型通过数据污染、过拟合或测试集泄露等方式获得虚高分数，影响了排行榜的公信力。博客详细分析了异常案例，并提出了改进措施，包括加强测试集隔离、引入动态评估和人工审核机制，以确保未来排行榜的准确性和公平性。