公开知识图谱记录
BenchMIRT
记录摘要
使用多维项目反应理论(MIRT)在单个提示词级别审计大模型基准，分离出安全性和通用推理等底层能力信号。
来自项目知识图谱的有来源实体；具体工具属性仍需补齐。
已记录信息
- 基准测试: BBH
- 基准测试: BBQ
- 基准测试: GPQA
- 基准测试: HarmBench
- 基准测试: MATH
- 基准测试: MMLU-Pro
- 基准测试: StrongReject
- 基准测试: WildJailbreak
资料覆盖
知识图谱当前记录了 6 个已知资料维度，另有 12 个维度尚未记录，关联 1 篇公开资料。这些数字只描述资料覆盖，不代表模型性能或适配性已经验证。
相关公开记录
- Item Response Theory — 基于
- BBH — 评测于
- BBQ — 评测于
- GPQA — 评测于
- HarmBench — 评测于