Hugging Face Blog精选63BenchMIRT：LLM 基准测试究竟在测量什么？BenchMIRT: What are LLM benchmarks actually measuring?2026/09/02 05:39· 42天前精选理由帮助读者辨析大语言模型基准测试究竟衡量了什么，避免被单一分数误导。论文论文研究查看原文（Hugging Face Blog）分享海报（1080px）导出 Markdown