研究者指出：完全隐藏测试数据的基准更难获得社区采用

研究者指出，完全隐藏测试数据的基准往往更难获得社区采用，因为无法针对性优化。这里的“隐藏”指测试数据完全不可见，而非仅不公开标签。公开测试集存在按测试分数选 checkpoint、将测试数据用于训练等过拟合风险，社区也因此更熟悉常见的基准优化方式。