How Much Do Large Language Model Cheat on Evaluation? Benchmarking Overestimation under the One-Time-Pad-Based Framework

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Liang, Zi, Yu, Liantong, Zhang, Shiyu, Ye, Qingqing, Hu, Haibo
Formato:	Preprint
Publicado:	2025
Materias:	Computation and Language Cryptography and Security
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Sea el primero en dejar un comentario!

Ejemplares similares