**BenchMIRT：LLM 基准测试究竟在衡量什么？**

_BenchMIRT: What are LLM benchmarks actually measuring?_

> AllenAI 发布 BenchMIRT，系统分析当前大语言模型基准测试的实际测量目标，揭示不同基准所评估的能力维度，帮助研究者更准确地理解模型性能评估的局限与意义。

**来源信息**
- **来源**：Hugging Face：Blog（RSS）
- **分类**：论文
- **发布时间**：2026-09-02 05:39（北京时间）
- **原文**：[打开原文](https://hf-mirror.com/blog/allenai/benchmirt)