Статті за тегом: #leaderboards

7.5
psychometric_modeling

Are Near-Tied LLM Rankings Robust to Family-DIF-Guided Benchmark Recomposition?

Qiaoyuan Zheng, Yiqu Yang · arXiv (2026) · doi:10.48550/arxiv.2609.00482 · gemini-3.1-flash-lite

Повний розбір статті →

7.3
psychometric_modeling

Which AI model is truly the best: how reliable are public benchmarks of frontier AI models?

Miloš Kankaraš · Zenodo (CERN European Organization for Nuclear Research) (2026) · doi:10.5281/zenodo.22998204 · gemini-3.7-flash

Повний розбір статті →