隐藏测试数据基准更难获社区采用

研究者指出，完全不公开测试数据的基准通常更难获得社区采用，因为开发者无法针对测试结果优化模型。这里的“隐藏”指测试数据完全不可见，而非仅不公开答案标签。公开测试集虽然存在按测试分数选择模型、将测试数据用于训练等过拟合风险，但社区更熟悉围绕公开基准的优化方式。

AI 根据报道生成 · 22 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。