Benchmark Saturation
Modellerin bir testte üst sınıra yaklaşması nedeniyle testin yeni gelişmeleri ayırt edemez hale gelmesi.
Kıyaslama doygunluğu, soruların fazla kolaylaşması veya geniş ölçüde ezberlenmesiyle oluşabilir. Daha zor, dinamik ve farklı becerileri ölçen örnekler gerekir. Eski puanlarla karşılaştırılabilirlik sürümleme yoluyla korunmalıdır.
Üye yorumları