论文Agent 与开发者14:40dhAIBench:48 个模型在九项语言学标注任务上的基准测试做语言学标注、文本规范化的研究者可以直接用这个开源工具跑自己模型,不用自己搭评估流程。它连置信度校准和成本都记录,比通用排行榜更贴近实际标注场景。数字人文团队值得上手试试。#dhAIBench#语言学标注#基准测试#LLM评估aarXiv cs.AI@Ondřej Tichý 等 5 人原文稍后读已读值得跟进有用关注 dhAIBench