**NeurIPS 2026 研讨：评测基准也有保质期，阿里团队为 158 个基准打分评估有效性**

_NeurIPS 2026 ED Oral丨Benchmark也有保质期？我们给158个评测基准打了分_

> 针对模型能力提升导致部分评测基准饱和、分数参考价值下降的挑战，阿里数据研究团队在 NeurIPS 2026 上发表论文，通过系统框架对 158 个评测基准进行健康度评估，以判断哪些基准仍能有效衡量模型性能。

**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：论文
- **发布时间**：2026-10-31 18:21（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-10-31-4)