以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Benchmark compression reduces the often prohibitive time and cost of model evaluation by evaluating models on a small benchmark subset that closely matches full-benchmark results. To quantify estimation error, we derive an accurate analytical approximation to the error distribution when estimating full-benchmark scores
阅读原文 · George Ling, Shanshan Zhong, Lijin Yang, Hao Yang, Nanxiang Li, Zhongzhan Huang
向阳乔木 · opencode-go/deepseek-v4.1-flash
评测越来越贵，这篇论文给了一个近乎“白捡”的压缩思路：随机采样其实已经很强，问题只出在少数几次大偏差上。 BestRand 做的事很朴素：保留随机采样的低成本，同时把那条“高误差尾巴”压下去。作者在 70 多个文本、多模态和 Agent 基准上验证，还延伸到了 VLA 评测。 如果你在做模型评测基建，或者被全量 benchmark 的时间和费用卡住，这篇值得...