來自 @vjhofmann 和 @allen_ai 的 Fluid LM 基準測試 #COLM2025 我已經推廣過這篇論文了，真的很棒。透過項目級難度（IRT 模型），你可以估計模型的 *潛在能力*，而不是僅僅依賴原始性能，方法是給它提供能最大化信息增益的樣本。