QIMMA LLM leaderboard theo nguyên tắc “validate trước, evaluate sau”

Giới thiệu Trong vài năm gần đây, số lượng benchmark và leaderboard cho mô hình ngôn ngữ tiếng Ả Rập tăng nhanh. Nhưng cũng như nhiều hệ đánh giá trong giai đoạn bùng nổ LLM, tốc độ mở rộng thường đi trước độ chặt chẽ của dữ liệu. Hệ quả là không ít bảng xếp hạng trông rất thuyết phục, nhưng nếu soi kỹ, điểm số của model đôi khi phản ánh lỗi benchmark nhiều không kém gì phản ánh năng lực thật. QIMMA xuất hiện như một phản biện trực diện cho vấn đề đó. Đây không chỉ là một Arabic LLM leaderboa...