会员服务
MMLU-CF: A Contamination-free Multi-task Language Understanding Benchmark
Arxiv
0+阅读 · 12月19日
GAOKAO-Eval: Does high scores truly reflect strong capabilities in LLMs?
Arxiv
0+阅读 · 12月13日
TreeEval: Benchmark-Free Evaluation of Large Language Models through Tree Planning
Arxiv
0+阅读 · 12月13日
Impact of Leakage on Data Harmonization in Machine Learning Pipelines in Class Imbalance Across Sites
Arxiv
0+阅读 · 12月10日
Impact of Sampling Techniques and Data Leakage on XGBoost Performance in Credit Card Fraud Detection
Arxiv
0+阅读 · 12月10日
Addressing Data Leakage in HumanEval Using Combinatorial Test Design
Arxiv
0+阅读 · 12月2日
Are Large Language Models Memorizing Bug Benchmarks?
Arxiv
0+阅读 · 11月30日
Extracting Training Data from Unconditional Diffusion Models
Arxiv
0+阅读 · 11月28日
Are Large Language Models Memorizing Bug Benchmarks?
Arxiv
0+阅读 · 11月20日
SciEval: A Multi-Level Large Language Model Evaluation Benchmark for Scientific Research
Arxiv
0+阅读 · 11月7日
Optimal Defenses Against Gradient Reconstruction Attacks
Arxiv
0+阅读 · 11月6日
Improving Image Data Leakage Detection in Automotive Software
Arxiv
0+阅读 · 10月29日
EvoCodeBench: An Evolving Code Generation Benchmark with Domain-Specific Evaluations
Arxiv
0+阅读 · 10月30日
Impact of Leakage on Data Harmonization in Machine Learning Pipelines in Class Imbalance Across Sites
Arxiv
0+阅读 · 10月25日
Impact of Leakage on Data Harmonization in Machine Learning Pipelines in Class Imbalance Across Sites
Arxiv
0+阅读 · 10月28日
参考链接
微信扫码咨询专知VIP会员
Top