论文精选08:20IBM新研究:基准分数波动或源于措辞而非模型能力IBM这篇研究说明,看榜单选模型可能被题目措辞骗了,强模型反而更怕改写。#BenchDrift#IBM#GSM8K#MMLUelvis@omarsar0原文稍后读已读值得跟进有用关注 BenchDrift