arXiv ID:
2603.23292
arXiv 提交日期: 2026-03-24
大语言模型奥林匹克竞赛:为何模型评估需要一场“密封考试” / LLM Olympiad: Why Model Evaluation Needs a Sealed Exam
1️⃣ 一句话总结
这篇论文提出,为了避免当前大语言模型评测中常见的刷分、数据泄露等问题,应该引入一种类似奥林匹克竞赛的“密封考试”机制,即在评测前对试题保密、提前锁定模型版本并使用统一评测框架,以确保评估结果的真实可信和可复现。