평가·벤치마크Shivalika Singh 외 (Cohere Labs 외)
The Leaderboard Illusion 발표
The Leaderboard Illusion 발표 — Google 19.2%·OpenAI 20.4%가 아레나 데이터를 받는 반면 오픈웨이트 83개 모델 합계는 29.7%. 비공개 변형 다중 테스트 후 점수 철회 가능
왜 중요한가
리더보드 과적합 구조를 실증. 아레나 순위를 능력의 직접 지표로 읽으면 안 되는 이유
출처 — 1차 출처만 싣고, 직접 이동해 확인할 수 있어요
논문arxiv.orghttps://arxiv.org/abs/2504.208792026년 8월 24일에 더한 조각 · 그 주 보기