Obuda University

在401个模型、146个基准版本组成的评测矩阵中，实测格子只占8.3%，benchgap不运行任何评测，而是对每一对同能力基准在共同测过的模型上拟合单调曲线，按留一交叉验证误差选型，并给每个估计附上误差与置信等级。在遮住15%实测分数的端到端留出测试中，它填出71%的格子，平均绝对误差4.6个百分点，比同格上的秩2矩阵补全基线低23%；它留空的格子上，基线误差为11.8个百分点。

在401个模型、146个基准版本组成的评测矩阵中，实测格子只占8.3%，benchgap不运行任何评测，而是对每一对同能力基准在共同测过的模型上拟合单调曲线，按留一交叉验证误差选型，并给每个估计附上误差与置信等级。在遮住15%实测分数的端到端留出测试中，它填出71%的格子，平均绝对误差4.6个百分点，比同格上的秩2矩阵补全基线低23%；它留空的格子上，基线误差为11.8个百分点。